文摘
英文文摘
声明
第一章绪论
1.1引言
1.2本文的研究成果
1.3本文的组织
第二章粒子群算法
2.1引言
2.2 PSO算法基本原理
2.3 PSO算法的发展
2.3.1二进制PSO
2.3.2 PSO参数的改进与优化
2.3.3 PSO拓扑结构的改进
2.3.4 PSO与其它进化技术结合形成混合算法
2.4 PSO算法的收敛性分析及参数选取
2.5 PSO算法的应用
2.5.1神经网络的训练
2.5.2函数优化
2.5.3组合优化
2.5.4其他应用
2.6 PSO算法与GA的比较及局限性
2.6.1 PSO和GA的相同点
2.6.2 PSO和GA不同点
2.6.3 PSO的局限性
2.7本章小节
第三章具有综合学习机制的粒子群算法
3.1引言
3.2基本粒子群优化(BPSO)算法及相关知识
3.3具有综合学习机制的PSO算法(PSO_wssm)
3.4 PSO_wssm算法流程
3.5仿真实验
3.5.1基准函数
3.5.2参数设置和对比实验
3.6本章小节
第四章自适应分区段混合粒子群优化算法
4.1引言
4.2基本PSO算法及问题的提出
4.3混合粒子群优化算法(HPSO)
4.3.1 Christos贪心算法分区原理
4.3.2 Boltzmann选择原理
4.3.3 HPSO算法流程
4.4仿真实验
4.4.1基准函数
4.4.2参数设置和对比实验
4.5本章小节
第五章基于PSO的约束多目标优化算法
5.1引言
5.2进化算法求解多目标优化问题的现状
5.3多目标优化相关知识
5.4基于PSO的求解约束多目标问题优化算法
5.4.1自适应半可行域
5.4.2约束占优原理
5.4.3基于PSO的多目标优化算法
5.4.4个体适应值计算原理
5.4.5算法基本流程
5.5仿真实验
5.6本章小节
第六章粒子群算法在风险投资中的应用
6.1引言
6.2风险投资问题描述
6.3风险投资的数学模型
6.4仿真实验
6.4.1初始化设置
6.4.2实验结果及其应用
6.5本章小节
总结与展望
本文的主要创新点
关于未来研究的展望
参考文献
攻读硕士学位期间取得的研究成果
致谢