| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·选题背景及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文主要工作 | 第12页 |
| ·论文结构安排 | 第12-14页 |
| 第二章 基本粒子群优化算法 | 第14-22页 |
| ·基本粒子群算法 | 第14-16页 |
| ·算法原理 | 第14页 |
| ·数学描述 | 第14-15页 |
| ·算法流程 | 第15-16页 |
| ·标准粒子群算法 | 第16-17页 |
| ·带惯性权重的粒子群算法 | 第16-17页 |
| ·带收缩因子的粒子群算法 | 第17页 |
| ·复杂度 | 第17-18页 |
| ·粒子群算法与其它算法的比较 | 第18-21页 |
| ·粒子群算法与蚁群算法 | 第18-20页 |
| ·粒子群算法与遗传算法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 粒子群优化算法收敛性分析及其改进算法 | 第22-29页 |
| ·粒子群优化算法收敛性分析 | 第22-24页 |
| ·粒子运动模型简化 | 第22页 |
| ·粒子运动轨迹的稳定性分析 | 第22-24页 |
| ·粒子群优化算法的缺陷 | 第24-25页 |
| ·已有的改进算法 | 第25-28页 |
| ·离散二进制的PSO | 第25页 |
| ·动态目标函数 | 第25-26页 |
| ·免疫粒子群算法模型 | 第26页 |
| ·基于遗传思想的粒子群优化算法 | 第26-27页 |
| ·混沌粒子群优化算法 | 第27页 |
| ·基于模拟退火的粒子群优化算法 | 第27页 |
| ·智能单粒子算法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于改进单纯形法的量子粒子群算法 | 第29-42页 |
| ·引言 | 第29-30页 |
| ·量子粒子群算法 | 第30-31页 |
| ·改进单纯形法 | 第31-33页 |
| ·基于改进单纯形法的量子粒子群优化算法 | 第33-34页 |
| ·仿真实验与分析 | 第34-41页 |
| ·测试函数 | 第34-36页 |
| ·实验方法 | 第36页 |
| ·实验分析 | 第36-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 改进的粒子群算法在PID 控制器参数整定中的应用 | 第42-52页 |
| ·引言 | 第42-43页 |
| ·PID 控制原理 | 第43-47页 |
| ·PID 控制器参数对控制性能的影响 | 第43-44页 |
| ·数字PID 控制算法 | 第44-45页 |
| ·PID 控制系统的性能指标 | 第45-47页 |
| ·改进粒子群算法整定PID 参数 | 第47-49页 |
| ·编码和适应度函数 | 第48页 |
| ·算法流程 | 第48-49页 |
| ·仿真实验及分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·本文总结 | 第52-53页 |
| ·进一步的工作 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间发表论文 | 第59页 |