| 摘要 | 第1-6页 |
| ABSTRACT | 第6-16页 |
| 第一章 绪论 | 第16-20页 |
| ·课题的意义 | 第16-17页 |
| ·本论文的工作和创新 | 第17-18页 |
| ·本论文的组织结构 | 第18-20页 |
| 第二章 人工神经网络简介 | 第20-32页 |
| ·概述 | 第20-21页 |
| ·神经元网络的产生 | 第21-22页 |
| ·神经元网络的发展简史 | 第22-25页 |
| ·神经元网络理论概述 | 第25-29页 |
| ·神经网络的概念及特点 | 第25-26页 |
| ·神经元网络的研究内容 | 第26-27页 |
| ·神经元网络常见的类型及应用 | 第27-29页 |
| ·人工神经元模型 | 第29-30页 |
| ·人工神经元网络模型 | 第30-32页 |
| 第三章 MSC(Minimum Set Covering)——最小集合覆盖问题 | 第32-36页 |
| ·图的基本概念 | 第32页 |
| ·MSC(Minimum Set Covering)——最小集合覆盖问题 | 第32-35页 |
| ·NP完全性问题(NP-Completeness) | 第33页 |
| ·最小顶点覆盖(Minimum Vertex Covering)问题 | 第33页 |
| ·最小集合覆盖(Minimum Set Covering)问题 | 第33-35页 |
| ·最小集合覆盖问题的研究意义及现状 | 第35-36页 |
| 第四章 基于Hopfield神经元网络的数学建模 | 第36-46页 |
| ·连续型Hopfield神经元网络模型 | 第36-37页 |
| ·离散型Hopfield神经元网络 | 第37-41页 |
| ·离散型Hopfield神经元网络的拓扑结构 | 第37-40页 |
| ·离散型Hopfield神经元网络的能量函数的梯度下降 | 第40-41页 |
| ·离散型Hopfield神经元网络解决最优化问题的方法与步骤 | 第41-42页 |
| ·针对MSC问题的数学建模 | 第42-44页 |
| ·MSC问题数学模型化 | 第42-43页 |
| ·构造能量函数模型 | 第43页 |
| ·逆向推导Hopfield神经元网络的结构参数 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第五章 基于Hopfield网络的MSC问题的程序实现 | 第46-58页 |
| ·Hopfield神经元网络的程序实现 | 第46-48页 |
| ·运行方式的确定以及动态运行的实现 | 第46-47页 |
| ·Hopfield神经元网络权值与阈值的计算 | 第47-48页 |
| ·用于测试的样本随机图的生成 | 第48页 |
| ·基于标准离散型Hopfield神经元网络的仿真实验 | 第48-55页 |
| ·参数α的变化对稳定状态的影响 | 第50-51页 |
| ·参数β的变化对稳定状态的影响 | 第51-53页 |
| ·同比例变化α与β值对稳定状态的影响 | 第53-54页 |
| ·参数d的变化对稳定状态的影响 | 第54-55页 |
| ·本章小结 | 第55-58页 |
| 第六章 跳出局部极小点的算法研究 | 第58-90页 |
| ·神经元网络的局部最小问题 | 第58-59页 |
| ·以往研究者的算法实现及分析 | 第59-64页 |
| ·贪婪算法(G2) | 第59-60页 |
| ·模拟退火算法(SA) | 第60-61页 |
| ·基于离散型Hopfield神经元网络的HscN算法 | 第61-64页 |
| ·基于参数d的AHNN算法的研究 | 第64-74页 |
| ·基于参数d跳出局部极小的理论分析 | 第64-66页 |
| ·基于参数d跳出局部极小的程序仿真实现 | 第66-68页 |
| ·实验数据分析 | 第68-73页 |
| ·基于参数d的AHNN算法小结 | 第73-74页 |
| ·综合α,β以及d参数的HybrAHNN算法的研究 | 第74-90页 |
| ·基于参数α,β的跳出局部极小点的一般性算法定性分析 | 第74-77页 |
| ·基于参数α,β的跳出局部极小的算法理论分析 | 第77-79页 |
| ·进一步分析参数d与解集之间的关系 | 第79-83页 |
| ·基于参数α,β和d的HybrAHNN算法的程序仿真实现 | 第83-86页 |
| ·实验数据分析 | 第86-89页 |
| ·基于参数α,β和d的HybrAHNN算法小结 | 第89-90页 |
| 第七章 仿真程序的界面说明及功能介绍 | 第90-94页 |
| 第八章 结论与展望 | 第94-96页 |
| 参考文献 | 第96-100页 |
| 附录 | 第100-112页 |
| (1) 随机图生成程序关键代码 | 第100页 |
| (2) G2算法的实现代码 | 第100-101页 |
| (3) SA算法的实现代码 | 第101-102页 |
| (4) HscN算法的实现代码 | 第102-103页 |
| (5) 初始化A_(ei)关键代码 | 第103页 |
| (6) 神经元网络权值初始化代码 | 第103-104页 |
| (7) AHNN算法的主框架代码 | 第104-105页 |
| (8) AHNN算法中AHNN3函数的实现代码 | 第105-106页 |
| (9) AHNN3中,启发式计算参数d值的AHNN_Calculation2的关键代码 | 第106-107页 |
| (10) 实现跳出局部极小的批处理函数 | 第107页 |
| (11) HybrAHNN算法的主框架代码 | 第107-109页 |
| (12) 动态更新α,β的AHNN_Calculation4的实现代码 | 第109-112页 |
| 致谢 | 第112-114页 |
| 研究成果及发表的学术论文 | 第114-116页 |
| 导师和作者简介 | 第116-117页 |
| 硕士研究生学位论文答辩委员会决议书 | 第117-118页 |
