摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 研究背景 | 第11-12页 |
1.2 粒子群优化算法的研究现状 | 第12-15页 |
1.2.1 理论研究的现状 | 第12-13页 |
1.2.2 改进研究的现状 | 第13-15页 |
1.2.3 应用研究的现状 | 第15页 |
1.3 研究内容及组织结构 | 第15-16页 |
1.4 本章小结 | 第16-17页 |
第二章 粒子群优化算法与其他智能算法 | 第17-28页 |
2.1 粒子群算法概述 | 第17-22页 |
2.1.1 算法起源 | 第17-18页 |
2.1.2 原始粒子群算法 | 第18-19页 |
2.1.3 原始粒子群算法的实现步骤及流程图 | 第19-20页 |
2.1.4 粒子运动行为的分析 | 第20-21页 |
2.1.5 标准粒子群算法 | 第21-22页 |
2.2 其他智能算法 | 第22-26页 |
2.2.1 遗传算法 | 第22-23页 |
2.2.1.1 遗传算法的原理 | 第22页 |
2.2.1.2 遗传算法的主要流程及应用 | 第22-23页 |
2.2.2 模拟退火算法 | 第23-24页 |
2.2.2.1 模拟退火算法的原理 | 第23页 |
2.2.2.2 模拟退火算法的基本流程及应用 | 第23-24页 |
2.2.3 蚁群算法 | 第24-26页 |
2.2.3.1 蚁群算法的原理 | 第24-25页 |
2.2.3.2 蚁群算法的基本流程及应用 | 第25-26页 |
2.3 PSO 算法与其他智能算法比较 | 第26-27页 |
2.3.1 粒子群算法与遗传算法比较 | 第26页 |
2.3.2 粒子群算法与模拟退火算法比较 | 第26-27页 |
2.3.3 粒子群算法与蚁群算法比较 | 第27页 |
2.4 本章小结 | 第27-28页 |
第三章 粒子群算法的改进研究及应用领域 | 第28-38页 |
3.1 引言 | 第28页 |
3.2 粒子群算法的改进 | 第28-35页 |
3.2.1 进化公式的改进 | 第28-29页 |
3.2.2 参数设置的改进 | 第29-33页 |
3.2.2.1 基于惯性权重的改进 | 第29-31页 |
3.2.2.2 基于学习因子的改进 | 第31-33页 |
3.2.3 拓扑结构的改进 | 第33-34页 |
3.2.4 与其他优化算法进行算法融合 | 第34-35页 |
3.3 粒子群算法的应用 | 第35-37页 |
3.4 本章小结 | 第37-38页 |
第四章 改进的粒子群优化算法 | 第38-53页 |
4.1 引言 | 第38页 |
4.2 测试函数 | 第38-39页 |
4.3 基于混沌理论的改进粒子群算法 | 第39-44页 |
4.3.1 混沌的定义 | 第40-41页 |
4.3.2 基于混沌理论的改进思路 | 第41-42页 |
4.3.3 混沌粒子群算法的基本流程 | 第42页 |
4.3.4 实验结果与分析 | 第42-44页 |
4.4 多种群粒子群算法 | 第44-52页 |
4.4.1 多种群粒子群算法原理 | 第45-46页 |
4.4.2 多种群粒子群算法流程 | 第46-47页 |
4.4.3 实验结果与分析 | 第47-52页 |
4.5 本章小结 | 第52-53页 |
第五章 基于约束优化问题的改进粒子群算法的应用 | 第53-62页 |
5.1 软件可靠性分配 | 第53-56页 |
5.1.1 软件可靠性分配问题概述 | 第53-54页 |
5.1.2 软件可靠性分配问题表示 | 第54-56页 |
5.1.2.1 软件实用性 | 第54-55页 |
5.1.2.2 预算约束实用性最大化的软件可靠性分配模型 | 第55-56页 |
5.2 基于约束优化问题的粒子群优化算法 | 第56-59页 |
5.2.1 约束优化问题概述 | 第56页 |
5.2.2 处理约束条件的一般方法 | 第56-58页 |
5.2.3 双适应度函数的粒子群算法 | 第58-59页 |
5.3 MPSO 求解可靠性分配问题 | 第59-61页 |
5.3.1 软件可靠性分配实例 | 第59-60页 |
5.3.2 软件可靠性分配问题求解 | 第60-61页 |
5.4 本章小结 | 第61-62页 |
总结与展望 | 第62-64页 |
参考文献 | 第64-69页 |
攻读硕士学位期间取得的研究成果 | 第69-70页 |
致谢 | 第70-71页 |
附件 | 第71页 |