| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题背景 | 第9-13页 |
| ·最优化 | 第9页 |
| ·最优化方法 | 第9-11页 |
| ·基于进化计算求解最优化问题的方法 | 第11-13页 |
| ·课题的目标和意义 | 第13-14页 |
| ·课题的主要研究工作和组织结构 | 第14-17页 |
| 第二章 优化算法介绍 | 第17-25页 |
| ·优化研究基础 | 第17-20页 |
| ·最优化问题 | 第17-18页 |
| ·局部优化算法 | 第18页 |
| ·全局优化算法 | 第18-19页 |
| ·没有免费午餐定理 | 第19-20页 |
| ·进化计算 | 第20-24页 |
| ·遗传算法 | 第20-21页 |
| ·进化策略 | 第21-22页 |
| ·进化规划 | 第22页 |
| ·蚁群算法 | 第22-23页 |
| ·微分进化 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 粒子群算法分析 | 第25-39页 |
| ·粒子群优化算法 | 第25-27页 |
| ·算法原理 | 第25-26页 |
| ·算法流程 | 第26页 |
| ·社会认知行为分析 | 第26-27页 |
| ·全局模型与局部模型 | 第27页 |
| ·粒子群改进算法 | 第27-30页 |
| ·与其他算法结合 | 第27-28页 |
| ·基于变异行为的PSO 改进算法 | 第28-29页 |
| ·针对粒子群迭代公式的改进 | 第29-30页 |
| ·标准粒子群算法收敛性分析 | 第30-33页 |
| ·以往 PSO 收敛性分析方法 | 第30-31页 |
| ·基于蒙特卡罗模拟方法的PSO 收敛性分析 | 第31-33页 |
| ·粒子群算法与其他进化算法比较及分析 | 第33-38页 |
| ·各种进化算法性能比较 | 第33-36页 |
| ·比较结果分析 | 第36-38页 |
| ·PSO 算法应用 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于协作方法的量子粒子群算法及其在图像分割的应用 | 第39-64页 |
| ·引言 | 第39页 |
| ·量子粒子群算法 | 第39-40页 |
| ·基于协作方法的量子粒子群方法 | 第40-45页 |
| ·协作方法 | 第40-42页 |
| ·精英策略 | 第42-43页 |
| ·仿真结果比较及其分析 | 第43-45页 |
| ·基于 CQPSO 算法的图像分割应用 | 第45-47页 |
| ·图像分割概述 | 第45-46页 |
| ·OTSU 分割算法 | 第46页 |
| ·计算步骤 | 第46-47页 |
| ·基于CQPSO 的最大类间方差图像分割 | 第47-62页 |
| ·算法描述 | 第48页 |
| ·算法测试 | 第48-62页 |
| ·本章小结 | 第62-64页 |
| 第五章 一种全局收敛的 PSO 算法及其在图像分割中的应用 | 第64-80页 |
| ·引言 | 第64页 |
| ·基于 Gaussian 变异的 PSO 算法 | 第64-69页 |
| ·引入Gaussian 变异的粒子群算法 | 第64-66页 |
| ·GGPSO 算法 | 第66-67页 |
| ·GGPSO 算法收敛性分析 | 第67-69页 |
| ·比较实验及分析 | 第69-72页 |
| ·试验设计 | 第69页 |
| ·仿真结果及分析 | 第69-72页 |
| ·基于GGPSO 方法的图像分割应用 | 第72-79页 |
| ·算法描述 | 第73页 |
| ·算法测试 | 第73-79页 |
| ·本章小结 | 第79-80页 |
| 第六章一种基于随机搜索策略的粒子群算法 | 第80-90页 |
| ·引言 | 第80页 |
| ·基于适度随机搜索策略的PSO 算法 | 第80-82页 |
| ·对比试验 | 第82-84页 |
| ·试验设计 | 第82页 |
| ·仿真结果比较分析 | 第82-84页 |
| ·IRPSO 算法针对图像分割问题的比较试验 | 第84-89页 |
| ·本章小结 | 第89-90页 |
| 第七章 结束语 | 第90-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-101页 |
| 附录：作者在攻读博士学位期间发表的论文 | 第101页 |