| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 概述 | 第9-24页 |
| ·自然界中的群体现象 | 第9-10页 |
| ·复杂适应系统及其新型的建模方法 | 第10-12页 |
| ·演化计算 | 第12-18页 |
| ·遗传算法 | 第13-16页 |
| ·演化策略 | 第16-17页 |
| ·演化规划 | 第17页 |
| ·遗传程序设计 | 第17-18页 |
| ·演化计算的主要特点 | 第18页 |
| ·群智能的研究 | 第18-24页 |
| ·蚁群算法 | 第19-22页 |
| ·粒子群算法 | 第22-23页 |
| ·群智能的特点和优点 | 第23-24页 |
| 第二章 粒子群优化算法 | 第24-45页 |
| ·引言 | 第24-25页 |
| ·PSO算法基本原理 | 第25-26页 |
| ·PSO算法数学描述 | 第26-27页 |
| ·PSO算法的改进 | 第27-37页 |
| ·加入惯性权重因子w的PSO算法 | 第27-29页 |
| ·基本PSO的算法步骤 | 第29-30页 |
| ·V_(max)与w对PSO算法的影响 | 第30-37页 |
| ·PSO算法的发展 | 第37-43页 |
| ·自适应PSO | 第37-39页 |
| ·混合PSO | 第39-41页 |
| ·协同PSO | 第41-42页 |
| ·离散PSO | 第42-43页 |
| ·PSO的应用 | 第43-45页 |
| 第三章 复合粒子群优化算法及其在模型参数估计中的应用 | 第45-57页 |
| ·引言 | 第45-46页 |
| ·复合粒子群优化算法 | 第46-48页 |
| ·常规遗传算法 | 第46-47页 |
| ·复合粒子群算法 | 第47-48页 |
| ·算法测试与评价 | 第48-49页 |
| ·在重油热解模型参数估计中的应用 | 第49-53页 |
| ·重油热解非线性模型 | 第49-50页 |
| ·重油热解实验装置及试验过程 | 第50-52页 |
| ·算法实施及分析 | 第52-53页 |
| ·结论 | 第53-57页 |
| 第四章 异步模式PSO及其Java多线程技术的并行仿真实现 | 第57-71页 |
| ·引言 | 第57页 |
| ·粒子群优化算法异步模式 | 第57-61页 |
| ·PSO同步模式分析及其存在的问题 | 第57-59页 |
| ·自然界的启示 | 第59页 |
| ·PSO异步模式的假设及模式结构 | 第59-61页 |
| ·PSO异步模式的Java多线程技术实现 | 第61-67页 |
| ·Java多线程技术与群智能的仿真模拟 | 第61页 |
| ·PSO异步模式的Java多线程技术实现的总体设计 | 第61-63页 |
| ·Java多线程一些关键技术知识与异步PSO设计细节 | 第63-67页 |
| ·算法测试及其评价 | 第67-70页 |
| ·总结 | 第70-71页 |
| 第五章 总结与展望 | 第71-75页 |
| ·全文总结 | 第71-73页 |
| ·进一步的研究以及工作展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 作者攻读硕士学位期间发表的论文及参加的科研项目 | 第80页 |
