| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及课题意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10-15页 |
| 1.3 本文研究内容简介 | 第15-18页 |
| 第二章 混合变异粒子群优化算法的PMSM参数辨识 | 第18-33页 |
| 2.1 最优化问题和粒子群优化算法 | 第18-22页 |
| 2.1.1 最优化问题 | 第18页 |
| 2.1.2 粒子群优化算法 | 第18-20页 |
| 2.1.3 粒子多样性 | 第20-22页 |
| 2.2 自适应变异概率的混合变异粒子群优化算法 | 第22-27页 |
| 2.2.1 问题描述和策略 | 第22页 |
| 2.2.2 AMPSO算法的策略 | 第22-25页 |
| 2.2.3 实验验证与结果分析 | 第25-27页 |
| 2.3 应用场景：永磁同步电机参数辨识 | 第27-32页 |
| 2.3.1 应用场景描述 | 第27-28页 |
| 2.3.2 永磁同步电机参数辨识模型 | 第28-29页 |
| 2.3.3 AMPSO算法进行PMSM参数辨识的实施步骤 | 第29-30页 |
| 2.3.4 实验验证与结果分析 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 多信息特征粒子群优化算法的动态经济负荷分配 | 第33-57页 |
| 3.1 基于所有个体最优位置的多信息特征粒子群优化算法 | 第33-50页 |
| 3.1.1 问题描述和策略 | 第33页 |
| 3.1.2 PSO-API算法 | 第33-36页 |
| 3.1.3 实验验证与结果分析 | 第36-50页 |
| 3.2 应用场景：电力系统动态经济负荷分配 | 第50-56页 |
| 3.2.1 应用场景描述 | 第50页 |
| 3.2.2 动态经济负荷分配的数学模型 | 第50-52页 |
| 3.2.3 PSO-API算法求解DED问题的实施步骤 | 第52页 |
| 3.2.4 仿真验证与结果分析 | 第52-56页 |
| 3.3 本章小结 | 第56-57页 |
| 第四章 混合多目标粒子群优化算法的动态经济环境负荷分配 | 第57-76页 |
| 4.1 问题描述和优化策略 | 第57-59页 |
| 4.1.1 问题描述 | 第57-58页 |
| 4.1.2 优化策略 | 第58-59页 |
| 4.2 混合多目标粒子群优化算法 | 第59-69页 |
| 4.2.1 MultiPSO算法简介 | 第59页 |
| 4.2.2 具体实施方法 | 第59-62页 |
| 4.2.3 算法步骤与流程图 | 第62-63页 |
| 4.2.4 实验验证与结果分析 | 第63-69页 |
| 4.3 应用场景：动态经济环境负荷分配 | 第69-74页 |
| 4.3.1 应用场景描述 | 第69页 |
| 4.3.2 动态经济环境负荷分配的数学模型 | 第69-71页 |
| 4.3.3 MultiPSO算法求解DEED问题的实施步骤 | 第71-72页 |
| 4.3.4 仿真验证与结果分析 | 第72-74页 |
| 4.4 本章小结 | 第74-76页 |
| 第五章 柔性车间调度应用场景及离散粒子群优化算法 | 第76-103页 |
| 5.1 多目标柔性车间调度问题及MOPSO算法 | 第76-90页 |
| 5.1.1 应用场景描述和数学模型 | 第76-77页 |
| 5.1.2 MOPSO算法的实施过程 | 第77-84页 |
| 5.1.3 算法流程图 | 第84-85页 |
| 5.1.4 实验验证与结果分析 | 第85-90页 |
| 5.2 模糊柔性车间调度问题及EDPSO算法 | 第90-101页 |
| 5.2.1 应用场景描述和数学模型 | 第90-92页 |
| 5.2.2 三角模糊数的运算法则 | 第92-93页 |
| 5.2.3 EDPSO算法的实施过程 | 第93-98页 |
| 5.2.4 实验验证与结果分析 | 第98-101页 |
| 5.3 本章小结 | 第101-103页 |
| 第六章 结论与展望 | 第103-105页 |
| 6.1 主要结论 | 第103-104页 |
| 6.2 未来展望 | 第104-105页 |
| 致谢 | 第105-106页 |
| 参考文献 | 第106-113页 |
| 附录: 作者在攻读博士学位期间发表的论文 | 第113页 |
