题目：两种改进的粒子群算法及其在组播路由优化中的应用

      粒子群优化算法以其并行性能、鲁棒性好等优点，已成功应用于函数优化、神经网络设计、模式识别、信号处理、组合优化、图像处理等领域。然而粒子群算法易于陷入局部极小和收敛速度比较慢等缺点限制了它的应用。为了改进粒子群算法性能, 本文提出了两种改进的粒子群算法。此外本文还提出了两种改进的带约束组播路由算法.
       第1章首先介绍了粒子群算法及优化理论的基础知识，其次简要介绍了进化计算和群智能算法。
       第2章从粒子群算法模型，参数选择，粒子群的各种改进以及收敛性分析等方面对粒子群算法进行了详细介绍，并列举了粒子群算法的成功应用实例，为粒子群算法的深入研究提供参考。
       第3章针对粒子群算法处理优化问题时易于陷入局部极小和收敛速度比较慢的缺点，分别通过采用规律改变惯性权重和使用新的更新公式的方法分别提出了两种改进的粒子群算法。规律改变惯性权重的粒子群算法具有改进方法易于实现以及改进效果明显的优点。基于新的更新公式的粒子群算法具有收敛速度快的特点。通过数值仿真实验，实验结果表明所提出的两种改进的粒子群算法的有效性。
        第4章将粒子群算法及遗传算法用于解决组播路由优化问题。组播路由优化问题是组合优化的重要问题。而带多个约束的组播路由优化问题是NP难问题，许多传统方法在该问题上都不能取得好效果。使用改进的遗传算法，求解带时延约束的组播路由问题，有效地提高遗传操作性能。此外还将前章提出的粒子群算法应用于解决多个约束的组播路由优化问题。仿真实验的结果表明这两种算法取得了良好的效果.