| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 神经网络 | 第8-12页 |
| 1.1.1 人工神经网络概述 | 第8-9页 |
| 1.1.2 Hopfield神经网络概述 | 第9-11页 |
| 1.1.3 小波神经网络概述 | 第11页 |
| 1.1.4 人工神经网络的应用 | 第11-12页 |
| 1.2 组和优化问题 | 第12-13页 |
| 1.2.1 组和优化问题概述 | 第12-13页 |
| 1.2.2 解决组和优化问题的方法 | 第13页 |
| 1.3 本文的工作 | 第13-14页 |
| 1.4 本文的组织 | 第14-15页 |
| 第2章 将Hopfield神经网络应用于求解组合优化问题 | 第15-23页 |
| 2.1 背景介绍 | 第15页 |
| 2.2 问题描述 | 第15-17页 |
| 2.3 对象松弛神经网络 | 第17-20页 |
| 2.3.1 梯度下降学习技术 | 第17-18页 |
| 2.3.2 拉格朗日对象松弛算法的描述 | 第18-19页 |
| 2.3.3 具体算法描述 | 第19-20页 |
| 2.4 在旅行商问题中的应用 | 第20-21页 |
| 2.5 仿真结果 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 将目标函数调整算法应用于求解组合优化问题 | 第23-31页 |
| 3.1 背景介绍 | 第23-26页 |
| 3.1.1 局部搜索 | 第23页 |
| 3.1.2 禁忌搜索 | 第23-24页 |
| 3.1.3 导引式局部搜索 | 第24-26页 |
| 3.2 通过乘以因子来脱离局部最优值 | 第26-28页 |
| 3.3 在旅行商问题中的应用 | 第28-30页 |
| 3.3.1 旅行商问题的描述 | 第28页 |
| 3.3.2 类GLS算法 | 第28-29页 |
| 3.3.3 目标函数调整算法 | 第29-30页 |
| 3.4 仿真结果 | 第30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 应用局部线性小波神经网络预测太阳黑子数 | 第31-43页 |
| 4.1 背景介绍 | 第31-32页 |
| 4.2 局部线性小波神经网络 | 第32-34页 |
| 4.3 学习算法 | 第34-37页 |
| 4.3.1 用权值干扰进行局部搜索 | 第34-35页 |
| 4.3.2 模拟退火 | 第35-37页 |
| 4.4 预测太阳黑子数的仿真实验 | 第37-42页 |
| 4.4.1 Wolf的太阳黑子活动数据集 | 第37页 |
| 4.4.2 仿真结果 | 第37-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 总结和探讨 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 攻读学位期间发表的学术论文目录 | 第48-49页 |
| 学位论文评阅及答辩情况表 | 第49页 |