| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-20页 |
| ·研究背景和现状 | 第10-17页 |
| ·群体行为概述 | 第10-12页 |
| ·群体行为研究方法 | 第12-14页 |
| ·元胞自动机仿真群体行为的优越性 | 第14-15页 |
| ·元胞自动机的研究和发展 | 第15-17页 |
| ·本文的研究内容 | 第17-18页 |
| ·本文的结构 | 第18-20页 |
| 2 元胞自动机与群体行为 | 第20-35页 |
| ·元胞自动机的基本原理 | 第20-26页 |
| ·元胞自动机的定义 | 第20-22页 |
| ·元胞自动机的构成和特征 | 第22-26页 |
| ·群体行为智能的概念和特点 | 第26-28页 |
| ·群体行为模型与算法的应用 | 第28-33页 |
| ·蚁群优化算法模型 | 第29-31页 |
| ·粒子群优化算法模型 | 第31-33页 |
| ·群体行为的运行机理 | 第33-35页 |
| ·个体属性和行为规则 | 第33页 |
| ·群体的交互和通讯机制 | 第33-34页 |
| ·群体的反馈和学习机制 | 第34-35页 |
| 3 基于元胞自动机的粒子群优化算法仿真 | 第35-47页 |
| ·基于元胞自动机的群体行为仿真模型 | 第35-39页 |
| ·模型设计流程 | 第35-38页 |
| ·模型研究框架 | 第38-39页 |
| ·建模的目的 | 第39页 |
| ·建模的难点 | 第39页 |
| ·基于元胞自动机的粒子群优化算法仿真 | 第39-42页 |
| ·粒子群优化仿真算法步骤 | 第40-41页 |
| ·粒子群体行为仿真实验 | 第41-42页 |
| ·一种具有种群协作的粒子群优化算法（JVPSO） | 第42-47页 |
| ·粒子种群协作机制 | 第42-43页 |
| ·阈值判定早熟方法 | 第43页 |
| ·交叉和变异扰动 | 第43页 |
| ·JVPSO 算法步骤 | 第43-44页 |
| ·JVPSO 性能分析 | 第44-46页 |
| ·结论 | 第46-47页 |
| 4 基于元胞自动机的企业员工行为(EBCA)仿真 | 第47-56页 |
| ·企业员工行为模型设计 | 第47-50页 |
| ·企业员工行为仿真算法步骤 | 第50-51页 |
| ·企业员工行为仿真实验及结果分析 | 第51-54页 |
| ·经济型员工的仿真 | 第51-52页 |
| ·混合型员工的仿真 | 第52-53页 |
| ·管理激励措施的仿真 | 第53-54页 |
| ·结论 | 第54-56页 |
| 5 基于元胞自动机的企业群体集聚行为(ICCA)仿真 | 第56-65页 |
| ·企业集聚行为模型设计 | 第57-60页 |
| ·企业聚集行为仿真算法步骤 | 第60-61页 |
| ·企业聚集行为仿真实验及结果分析 | 第61-64页 |
| ·企业聚集行为仿真 | 第61-62页 |
| ·企业数量变化的聚集行为仿真 | 第62页 |
| ·企业偏好变化的聚集行为仿真 | 第62-64页 |
| ·结论 | 第64-65页 |
| 6 结论与展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 在学研究成果 | 第72-73页 |
| 致谢 | 第73页 |