粒子群优化算法的改进及在模糊时间序列预测中的应用
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 模糊时间序列预测的研究现状 | 第8-9页 |
| 1.3 主要工作及本文结构 | 第9-11页 |
| 第二章 相关基础知识 | 第11-23页 |
| 2.1 粒子群优化算法（PSO）的相关研究 | 第11-17页 |
| 2.1.1 PSO 算法的基本原理 | 第11-15页 |
| 2.1.2 PSO 算法的特点及应用范围 | 第15-17页 |
| 2.2 模糊时间序列预测的相关研究 | 第17-22页 |
| 2.2.1 时间序列 | 第17-18页 |
| 2.2.2 模糊时间序列 | 第18-19页 |
| 2.2.3 模糊时间序列预测 | 第19-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 PSO 算法的参数调整与优化 | 第23-53页 |
| 3.1 正态递减的惯性权重参数计算方法 | 第23-27页 |
| 3.1.1 惯性权重参数计算中存在的问题 | 第24-25页 |
| 3.1.2 惯性权重参数的调整与优化 | 第25-27页 |
| 3.2 线性递减的学习因子参数计算方法 | 第27-28页 |
| 3.2.1 学习因子参数计算中存在的问题 | 第27-28页 |
| 3.2.2 学习因子参数的调整与优化 | 第28页 |
| 3.3 实验仿真及分析 | 第28-51页 |
| 3.3.1 正态递减的惯性权重参数计算方法的仿真 | 第28-29页 |
| 3.3.2 线性递减的学习因子参数计算方法的仿真 | 第29-51页 |
| 3.4 本章小结 | 第51-53页 |
| 第四章 基于改进 PSO 算法的模糊时间序列预测 | 第53-69页 |
| 4.1 MPSO-FTSP 算法 | 第53-56页 |
| 4.2 定义和划分论域 | 第56-58页 |
| 4.2.1 定义论域 | 第56-57页 |
| 4.2.2 用改进 PSO 算法划分论域 | 第57-58页 |
| 4.3 定义模糊集和数据模糊化 | 第58-59页 |
| 4.3.1 基于距离的模糊集定义方法 | 第58页 |
| 4.3.2 模糊化 | 第58-59页 |
| 4.4 预测计算 | 第59页 |
| 4.5 实验仿真及分析 | 第59-67页 |
| 4.6 本章小结 | 第67-69页 |
| 第五章 结束语 | 第69-71页 |
| 5.1 本文总结 | 第69页 |
| 5.2 研究展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
