| 论文创新点 | 第5-9页 |
| 摘要 | 第9-11页 |
| Abstract | 第11-13页 |
| 第1章 绪论 | 第14-25页 |
| 1.1 研究背景与意义 | 第14-18页 |
| 1.1.1 研究背景 | 第14-16页 |
| 1.1.2 研究意义 | 第16-18页 |
| 1.2 粒子群算法的研究现状与趋势 | 第18-22页 |
| 1.2.1 PSO算法理论研究 | 第18-19页 |
| 1.2.2 PSO算法的改进 | 第19-20页 |
| 1.2.3 PSO算法的应用研究 | 第20-21页 |
| 1.2.4 PSO算法的研究趋势 | 第21-22页 |
| 1.3 本论文研究内容与创新 | 第22页 |
| 1.4 研究方法与技术路线 | 第22-23页 |
| 1.5 论文的组织结构 | 第23-25页 |
| 第2章 粒子群算法的机理分析 | 第25-51页 |
| 2.1 PSO算法 | 第25-29页 |
| 2.1.1 PSO算法标准形式 | 第25-27页 |
| 2.1.2 PSO算法的特点 | 第27页 |
| 2.1.3 标准PSO算法流程 | 第27页 |
| 2.1.4 PSO算法的相关控制参数 | 第27-29页 |
| 2.2 粒子群的随机性与动态性能分析 | 第29-45页 |
| 2.2.1 粒子运动模型 | 第30-35页 |
| 2.2.2 粒子运动轨迹分析 | 第35-39页 |
| 2.2.3 粒子收敛性分析 | 第39-41页 |
| 2.2.4 粒子运动速度及与轨迹的相关性分析 | 第41-45页 |
| 2.3 粒子群随机运动性能分析小结 | 第45-50页 |
| 2.3.1 性能分析 | 第46-47页 |
| 2.3.2 存在的问题及改进方向 | 第47-50页 |
| 2.4 论文采用的测试函数集 | 第50页 |
| 2.5 本章小结 | 第50-51页 |
| 第3章 基于反向策略的多参数自适应PSO | 第51-78页 |
| 3.1 引言 | 第51页 |
| 3.2 一般化反向学习策略 | 第51-54页 |
| 3.2.1 一般化反向学习概念 | 第51-54页 |
| 3.2.2 基于反向学习的PSO算法步骤 | 第54页 |
| 3.3 自适应变异的反向PSO算法 | 第54-65页 |
| 3.3.1 自适应变异策略(AMS) | 第55-57页 |
| 3.3.2 自适应非线性惯性权重(ANIW) | 第57页 |
| 3.3.3 自适应变异反向粒子群算法(AMOPSO) | 第57页 |
| 3.3.4 数值仿真实验与分析 | 第57-64页 |
| 3.3.5 AMOPSO算法小结 | 第64-65页 |
| 3.4 自适应精英变异的反向PSO算法 | 第65-72页 |
| 3.4.1 自适应精英变异策略(AEM) | 第65-66页 |
| 3.4.2 数值仿真实验与分析 | 第66-71页 |
| 3.4.3 OPSO-AEM&NIW算法小结 | 第71-72页 |
| 3.5 改进PSO算法收敛性分析 | 第72-76页 |
| 3.5.1 预备知识 | 第72-73页 |
| 3.5.2 含变异策略的改进PSO算法收敛性分析 | 第73-76页 |
| 3.6 本章小结 | 第76-78页 |
| 第4章 无惯性自适应精英变异反向粒子群优化算法 | 第78-100页 |
| 4.1 引言 | 第78页 |
| 4.2 无惯性速度更新公式(NIV) | 第78-82页 |
| 4.3 自适应精英变异策略 | 第82-83页 |
| 4.4 无惯性自适应精英变异反向PSO算法 | 第83-84页 |
| 4.5 数值实验及分析 | 第84-95页 |
| 4.5.1 算法性能对比分析 | 第84-88页 |
| 4.5.2 不同形式NIV性能分析 | 第88页 |
| 4.5.3 策略有效性分析 | 第88-92页 |
| 4.5.4 参数敏感性分析 | 第92-93页 |
| 4.5.5 NOPSO算法小结 | 第93-95页 |
| 4.6 NOPSO算法机理分析 | 第95-98页 |
| 4.6.1 粒子运动模型 | 第95-96页 |
| 4.6.2 粒子运动轨迹及收敛性分析 | 第96-97页 |
| 4.6.3 粒子运动速度分析 | 第97-98页 |
| 4.7 本章小结 | 第98-100页 |
| 第5章 改进PSO算法求解GPR超参数优化问题 | 第100-110页 |
| 5.1 引言 | 第100页 |
| 5.2 高斯过程回归 | 第100-103页 |
| 5.3 超参数优化 | 第103-109页 |
| 5.3.1 超参数优化问题 | 第103-104页 |
| 5.3.2 超参数优化算法 | 第104页 |
| 5.3.3 仿真实验及分析 | 第104-108页 |
| 5.3.4 算法小结 | 第108-109页 |
| 5.4 本章小结 | 第109-110页 |
| 第6章 总结与展望 | 第110-113页 |
| 6.1 全文总结 | 第110-111页 |
| 6.2 研究展望 | 第111-113页 |
| 参考文献 | 第113-121页 |
| 攻读博士学位期间发表的科研成果目录 | 第121-122页 |
| 致谢 | 第122页 |