| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-10页 |
| ·进化算法的研究现状 | 第7-8页 |
| ·系统辨识的发展与现状 | 第8-9页 |
| ·本论文的研究内容和研究方法 | 第9-10页 |
| 第二章 几种进化算法的研究 | 第10-25页 |
| ·遗传算法的研究 | 第11-16页 |
| ·群体智能算法的研究 | 第16-25页 |
| ·蚁群算法 | 第17-18页 |
| ·PSO 算法 | 第18-22页 |
| ·基于量子行为的粒子群算法（QPSO） | 第22-25页 |
| 第三章 基于量子行为的粒子群算法的改进 | 第25-36页 |
| ·QPSO 改进算法的引入 | 第25页 |
| ·具有多阶段的QPSO 算法 | 第25-30页 |
| ·具有多阶段的QPSO 算法（MQPSO）的提出及其思想 | 第25-27页 |
| ·测试函数 | 第27-28页 |
| ·测试结果及分析 | 第28-30页 |
| ·维持粒子群多样性的QPSO 算法 | 第30-35页 |
| ·维持粒子群多样性的QPSO 算法（DMQPSO）的提出及其思想 | 第30-32页 |
| ·测试函数 | 第32页 |
| ·测试结果及分析 | 第32-35页 |
| ·本章结论 | 第35-36页 |
| 第四章 QPSO 算法在系统辨识上的应用 | 第36-46页 |
| ·引言 | 第36-37页 |
| ·QPSO 算法在系统辨识上的应用 | 第37-45页 |
| ·线性系统辨识 | 第37-38页 |
| ·QPSO 算法在线性系统辨识中的应用 | 第38页 |
| ·非线性系统辨识 | 第38-40页 |
| ·QPSO 算法在非线性系统辨识中的应用 | 第40-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 结论与展望 | 第46-48页 |
| ·结论 | 第46-47页 |
| ·未来研究方向 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表的论文 | 第52页 |