| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| 1．1 结构优化方法的发展概况 | 第8-11页 |
| 1．2 本文的选题背景及主要工作 | 第11-13页 |
| 参考文献 | 第13-16页 |
| 第二章 确定性的遗传算法 | 第16-30页 |
| 2．1 引言 | 第16-17页 |
| 2．2 遗传算法 | 第17-20页 |
| 2．2．1 遗传算法历史概述 | 第17页 |
| 2．2．2 遗传算法简介 | 第17-20页 |
| 2．2．3 遗传算法评述 | 第20页 |
| 2．3 确定性的遗传算法 | 第20-24页 |
| 2．4 数值试验 | 第24-27页 |
| 2．5 本章小结 | 第27-28页 |
| 参考文献 | 第28-30页 |
| 第三章 半确定性的遗传算法 | 第30-47页 |
| 3．1 引言 | 第30页 |
| 3．2 低位半确定性变异算子 | 第30-32页 |
| 3．3 基于概率的Hamming—decreasing | 第32-33页 |
| 3．4 基于模拟退火的适应度函数定标 | 第33-34页 |
| 3．5 设计变量的自适应定标 | 第34-35页 |
| 3．6 退火选择 | 第35-37页 |
| 3．7 新算法描述 | 第37-38页 |
| 3．8 约束条件的处理 | 第38-42页 |
| 3．9 数值试验 | 第42-44页 |
| 3．10 本章小结 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 第四章 基于混合近似技术和HDGA的结构优化设计 | 第47-69页 |
| 4．1 引言 | 第47页 |
| 4．2 混合近似技术的基本理论 | 第47-49页 |
| 4．3 对偶问题及其求解 | 第49-51页 |
| 4．4 基于混合近似技术和半确定性遗传算法的结构优化设计 | 第51-52页 |
| 4．5 典型算例 | 第52-66页 |
| 4．5．1 10杆平面桁架 | 第52-55页 |
| 4．5．2 25杆空间桁架 | 第55-58页 |
| 4．5．3 72杆空间桁架 | 第58-62页 |
| 4．5．4 加强薄板 | 第62-66页 |
| 4．6 本章小结 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 第五章 RBF网络原理及改进的网络进化算法 | 第69-86页 |
| 5．1 引言 | 第69-70页 |
| 5．1．1 人工神经网络概述 | 第69页 |
| 5．1．2 遗传算法与人工神经网络的结合 | 第69-70页 |
| 5．2 RBF网络 | 第70-73页 |
| 5．3 利用Gaussian型RBF网络的构造性函数逼近 | 第73-80页 |
| 5．3．1 预备知识 | 第74-75页 |
| 5．3．2 利用Gaussian型RBF网络的构造性函数逼近 | 第75-79页 |
| 5．3．3 实例 | 第79-80页 |
| 5．4 RBF网络训练新算法 | 第80-83页 |
| 5．5 本章小结 | 第83-84页 |
| 参考文献 | 第84-86页 |
| 第六章 基于RBF的结构近似分析 | 第86-99页 |
| 6．1 基于人工神经网络的结构近似分析概述 | 第86-88页 |
| 6．2 基于RBF网络的结构分析的力学基础 | 第88-91页 |
| 6．3 训练样本的预处理 | 第91-93页 |
| 6．4 基于RBF网络的结构近似分析模型 | 第93-94页 |
| 6．5 实例 | 第94-97页 |
| 6．6 本章小结 | 第97-98页 |
| 参考文献 | 第98-99页 |
| 第七章 结论与展望 | 第99-101页 |
| 本人在博士期间发表的与本课题有关的论文 | 第101-102页 |
| 致谢 | 第102页 |
