| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究工作的目的与意义 | 第8-9页 |
| 1.2 本课题的国内外发展现状 | 第9-11页 |
| 1.2.1 粒子群算法（PSO）的发展现状 | 第9-10页 |
| 1.2.2 蚁群算法（ACO）的发展现状 | 第10页 |
| 1.2.3 人工鱼群算法（AFSA）的发展现状 | 第10-11页 |
| 1.3 本课题研究的主要内容 | 第11-12页 |
| 第2章 预备知识 | 第12-20页 |
| 2.1 确定模糊测度问题 | 第12-14页 |
| 2.2 粒子群算法 | 第14-16页 |
| 2.3 蚁群算法 | 第16-18页 |
| 2.4 人工鱼群算法 | 第18-20页 |
| 第3章 群智能算法在确定模糊测度中的应用 | 第20-28页 |
| 3.1 用粒子群算法确定模糊测度 | 第20-21页 |
| 3.2 用蚁群算法确定模糊测度 | 第21-22页 |
| 3.3 用人工鱼群算法确定模糊测度 | 第22-28页 |
| 第4章 算法分析和比较 | 第28-34页 |
| 4.1 算法原理的分析和比较 | 第28-30页 |
| 4.1.1 群智能算法的相同点 | 第28-29页 |
| 4.1.2 粒子群算法、蚁群算法和人工鱼群算法之间的不同点 | 第29-30页 |
| 4.2 实验性分析和比较 | 第30-34页 |
| 4.2.1 收敛性、成功率和稳定性的比较和分析 | 第30-31页 |
| 4.2.2 健壮性的分析和比较 | 第31-34页 |
| 第5章 结论与展望 | 第34-35页 |
| 参考文献 | 第35-39页 |
| 致谢 | 第39页 |