| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·选题背景及研究意义 | 第8-9页 |
| ·动态环境中的优化算法研究现状 | 第9-12页 |
| ·动态环境中的进化算法 | 第9-11页 |
| ·动态环境中的微粒群优化算法 | 第11-12页 |
| ·本文的主要研究内容和方法 | 第12-13页 |
| ·本文的主要研究内容 | 第12页 |
| ·研究拟采用的方法 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第二章 微粒群算法综述 | 第14-23页 |
| ·群智能算法简介 | 第14-15页 |
| ·微粒群算法描述 | 第15-18页 |
| ·微粒群算法简介 | 第15页 |
| ·微粒群算法原理 | 第15-16页 |
| ·标准微粒群算法流程如下 | 第16页 |
| ·标准微粒群算法参数分析 | 第16-17页 |
| ·微粒群算法与其它进化算法的比较 | 第17-18页 |
| ·动态优化问题的标准测试函数简介 | 第18-21页 |
| ·微粒群算法在动态优化问题中的应用 | 第21-23页 |
| ·微粒群算法解决动态优化问题的优势 | 第21-22页 |
| ·微粒群算法在解决动态优化问题时的不足 | 第22-23页 |
| 第三章 基于混沌变异的微粒群算法研究 | 第23-36页 |
| ·前言 | 第23页 |
| ·混沌理论及相关技术简介 | 第23-24页 |
| ·混沌理论 | 第23-24页 |
| ·Logistic 混沌映射 | 第24页 |
| ·基于混沌变异的微粒群算法 | 第24-27页 |
| ·基于随机抽样的检测策略 | 第24-25页 |
| ·基于混沌变异的响应策略 | 第25-26页 |
| ·基于多样性引导的混沌变异响应策略 | 第26-27页 |
| ·算法步骤 | 第27-28页 |
| ·模拟实验 | 第28-35页 |
| ·实验一 | 第28-29页 |
| ·实验二 | 第29-31页 |
| ·实验三 | 第31-33页 |
| ·实验四 | 第33-34页 |
| ·实验五 | 第34-35页 |
| ·结论 | 第35-36页 |
| 第四章 多模动态优化问题的微粒群算法研究 | 第36-47页 |
| ·前言 | 第36页 |
| ·改进的微粒群算法(IPSO: Improved PSO) | 第36-42页 |
| ·利用混沌序列产生初始群体 | 第36-38页 |
| ·基于空间距离的检测方法 | 第38-39页 |
| ·多样性控制的局部重设响应方法 | 第39-42页 |
| ·算法步骤 | 第42页 |
| ·实验验证 | 第42-46页 |
| ·实验模型及环境 | 第42-43页 |
| ·实验参数设置 | 第43页 |
| ·实验一 | 第43-45页 |
| ·实验二 | 第45-46页 |
| ·结论 | 第46-47页 |
| 第五章 结论与展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 研究生在读期间参加的研究项目及论文发表情况 | 第52-53页 |
| 致谢 | 第53-54页 |
| 个人简历及联系方式 | 第54-55页 |