| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题目的及意义 | 第8页 |
| 1.2 粒子群优化算法研究概述 | 第8-13页 |
| 1.3 适应度地貌分析研究概述 | 第13-14页 |
| 1.4 本文主要工作与创新点 | 第14-16页 |
| 第二章 一种改进的粒子群优化算法 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 标准粒子群算法 | 第16页 |
| 2.3 带收缩与发散操作的粒子群优化算法 | 第16-20页 |
| 2.3.1 收缩操作 | 第17-18页 |
| 2.3.2 发散操作 | 第18页 |
| 2.3.3 自适应检测 | 第18-20页 |
| 2.4 几个经典测试函数 | 第20-24页 |
| 2.4.1 Sphere函数 | 第20-21页 |
| 2.4.2 Rosenbrock函数 | 第21页 |
| 2.4.3 Ackley函数 | 第21-22页 |
| 2.4.4 Griewank函数 | 第22-23页 |
| 2.4.5 Rastrigin函数 | 第23-24页 |
| 2.5 实例测试与结果分析 | 第24-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 在连续优化问题中使用粒子群搜索适应度地貌分析 | 第30-40页 |
| 3.1 引言 | 第30页 |
| 3.2 优化问题中的无免费午餐定理 | 第30-31页 |
| 3.3 适应度地貌定义与描绘方式 | 第31-32页 |
| 3.3.1 适应度地貌定义 | 第31-32页 |
| 3.3.2 适应度地貌的描绘方式 | 第32页 |
| 3.4 连续优化问题的适应度地貌描绘 | 第32-35页 |
| 3.4.1 三个假设 | 第33页 |
| 3.4.2 描绘步骤 | 第33-34页 |
| 3.4.3 适应度地貌与所采用优化算法的关系 | 第34-35页 |
| 3.5 实例测试与结果分析 | 第35-38页 |
| 3.5.1 各测试函数适应度地貌描绘 | 第36-38页 |
| 3.5.2 各测试函数适应度地貌分析 | 第38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 人工神经网络的适应度地貌分析与网络权值训练 | 第40-50页 |
| 4.1 引言 | 第40页 |
| 4.2 人工神经网络模型描述 | 第40-42页 |
| 4.3 人工神经网络适应度地貌分析 | 第42-45页 |
| 4.4 针对人工神经网络的粒子群算法 | 第45-47页 |
| 4.4.1 吸引与排斥操作 | 第46页 |
| 4.4.2 自适应机制 | 第46-47页 |
| 4.5 实例测试 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 全文总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间发表的学术论文目录 | 第60页 |