| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·引言 | 第9页 |
| ·优化问题 | 第9-11页 |
| ·优化问题概述 | 第10-11页 |
| ·优化算法 | 第11页 |
| ·粒子群优化算法研究现状 | 第11-15页 |
| ·粒子群优化算法的理论研究 | 第11-12页 |
| ·粒子群优化算法的应用研究 | 第12-13页 |
| ·粒子群优化算法的改进研究 | 第13-15页 |
| ·本文主要内容 | 第15-17页 |
| 2 粒子群优化算法及其理论基础 | 第17-29页 |
| ·人工生命 | 第17-19页 |
| ·人工生命的定义 | 第17-18页 |
| ·人工生命的结构框架 | 第18-19页 |
| ·人工生命的应用及发展前景 | 第19页 |
| ·进化计算 | 第19-21页 |
| ·进化计算流程 | 第19页 |
| ·遗传算法 | 第19-20页 |
| ·进化策略 | 第20页 |
| ·进化规划 | 第20-21页 |
| ·遗传规划 | 第21页 |
| ·群智能优化算法 | 第21-22页 |
| ·粒子群优化算法 | 第22-28页 |
| ·基本粒子群优化算法 | 第22-23页 |
| ·标准粒子群优化算法 | 第23-24页 |
| ·离散粒子群优化算法 | 第24-25页 |
| ·粒子群优化算法流程 | 第25-26页 |
| ·算法收敛性分析 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 3 基于余弦自适应调整惯性权重的粒子群优化算法 | 第29-40页 |
| ·相关理论介绍 | 第29-31页 |
| ·种群聚集度 | 第29页 |
| ·惯性权重对 PSO 算法性能的影响分析 | 第29-31页 |
| ·基于余弦自适应调整策略的粒子群优化算法(CW-PSO) | 第31-35页 |
| ·算法思想 | 第31页 |
| ·算法设计 | 第31-33页 |
| ·算法流程 | 第33-35页 |
| ·算法的性能测试及分析 | 第35-38页 |
| ·实验设置 | 第35-36页 |
| ·仿真结果 | 第36-37页 |
| ·算法性能分析 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 4 基于双种群策略的粒子群优化算法(DP-PSO) | 第40-48页 |
| ·多种群策略 | 第40-41页 |
| ·基于双种群策略的粒子群优化算法(DP-PSO) | 第41-43页 |
| ·算法思想 | 第41页 |
| ·算法设计 | 第41-43页 |
| ·算法性能测试及分析 | 第43-47页 |
| ·实验设置 | 第43-44页 |
| ·实验性能分析 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 5 基于 CW-PSO 算法的古建筑传感器优化布置应用 | 第48-56页 |
| ·工程应用背景 | 第48页 |
| ·粒子群算法求解传感器优化布置问题现状 | 第48-49页 |
| ·传感器优化布置准则 | 第49-50页 |
| ·基于 CW-PSO 算法的古建筑传感器优化布置应用 | 第50-52页 |
| ·编码 | 第50-51页 |
| ·适应度函数的设计 | 第51-52页 |
| ·优化结果及分析 | 第52-55页 |
| ·保国寺大殿模型 | 第52页 |
| ·实验参数设置 | 第52-53页 |
| ·优化结果 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的论文 | 第65-66页 |
