| 中文摘要 | 第1-11页 |
| 英文摘要 | 第11-13页 |
| 1 绪论 | 第13-21页 |
| ·水资源系统优化概述 | 第13-14页 |
| ·最优化问题 | 第14-15页 |
| ·邻域函数与局部搜索 | 第14-15页 |
| ·全局搜索 | 第15页 |
| ·经典优化算法 | 第15页 |
| ·现代启发式算法 | 第15-19页 |
| ·遗传算法 | 第16-17页 |
| ·人工神经网络 | 第17-18页 |
| ·蚁群优化算法 | 第18-19页 |
| ·本文结构 | 第19-21页 |
| 2 基本蚁群算法 | 第21-34页 |
| ·蚁群优化算法 | 第21-26页 |
| ·蚁群算法的基本原理 | 第21-23页 |
| ·蚂蚁系统 | 第23-25页 |
| ·蚁群系统 | 第25-26页 |
| ·蚁群算法与其它基于种群进化算法的比较 | 第26-28页 |
| ·基本蚁群算法的应用进展 | 第28-29页 |
| ·蚁群算法在水资源系统中的应用 | 第29-32页 |
| ·在水资源优化调度中的应用 | 第29-30页 |
| ·在水资源供需平衡、水资源合理分配及优化配置领域中的应用 | 第30页 |
| ·在地下水研究领域中的应用 | 第30页 |
| ·在模型参数估计中的应用 | 第30-31页 |
| ·在边坡稳定性分析中的应用 | 第31页 |
| ·在水科学其他方面的应用 | 第31-32页 |
| ·蚁群优化算法局限性分析 | 第32页 |
| ·本章小结 | 第32-34页 |
| 3 连续蚁群算法 | 第34-46页 |
| ·基本蚁群算法的离散性本质 | 第34-35页 |
| ·蚁群优化策略应用于连续优化问题的研究 | 第35-36页 |
| ·连续蚁群算法模型分析 | 第36页 |
| ·一维函数优化的蚁群算法 | 第36-40页 |
| ·用于一维函数优化的蚁群算法模型 | 第36-37页 |
| ·一维函数优化的局部搜索的策略 | 第37-39页 |
| ·用于一维函数优化的蚁群算法描述及算法的终止准则 | 第39-40页 |
| ·多维函数优化的蚁群算法 | 第40-44页 |
| ·用于多维函数优化的蚁群算法模型 | 第40-41页 |
| ·多维函数优化的局部搜索的策略 | 第41-43页 |
| ·用于多维函数优化的蚁群算法描述及算法的终止准则 | 第43-44页 |
| ·算法性能分析及有关讨论 | 第44页 |
| ·本章小结 | 第44-46页 |
| 4 一维函数优化的连续蚁群算法在水资源领域的应用 | 第46-56页 |
| ·蚁群算法在不规则断面明渠临界水深计算中的应用 | 第46-48页 |
| ·蚁群算法在泄水建筑物下游收缩断面水深计算中的应用 | 第48-49页 |
| ·有关算法参数的选取 | 第49-55页 |
| ·信息素挥发度的选择 | 第50-51页 |
| ·蚁群组数的选择 | 第51-52页 |
| ·启发式因子的选择 | 第52-53页 |
| ·总信息量的选择 | 第53-54页 |
| ·循环次数的选择 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 5 连续蚁群算法与神经网络的耦合 | 第56-74页 |
| ·人工神经网络 | 第56-60页 |
| ·人工神经网络的发展历程 | 第56-57页 |
| ·人工神经网络的基本原理 | 第57-59页 |
| ·人工神经网络模型的特点 | 第59页 |
| ·人工神经网络的应用领域 | 第59-60页 |
| ·小波分析 | 第60-65页 |
| ·小波分析的发展历程 | 第60-61页 |
| ·小波分析的基本原理 | 第61-64页 |
| ·小波分析的应用现状 | 第64-65页 |
| ·小波神经网络 | 第65-66页 |
| ·人工神经网络与小波分析的耦合途径 | 第65页 |
| ·小波神经网络在水文水资源应用中的现状 | 第65-66页 |
| ·蚁群算法的基本特性 | 第66-67页 |
| ·蚁群算法优化的小波神经网络模型 | 第67-71页 |
| ·CACA-WNN模型原理及结构 | 第67-70页 |
| ·CACA-WNN模型实现步骤 | 第70-71页 |
| ·基于蚁群算法的小波神经网络在水稻需水量预测中的应用 | 第71-73页 |
| ·模型应用实例 | 第71-72页 |
| ·预测结果分析 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 6 连续蚁群算法与遗传算法的耦合 | 第74-91页 |
| ·遗传算法的研究动态 | 第74-75页 |
| ·遗传算法简介 | 第75-80页 |
| ·改进的基于实数编码的加速遗传算法 | 第80-83页 |
| ·蚁群算法优化的实数编码的加速遗传算法模型 | 第83-86页 |
| ·基于蚁群算法的遗传算法在水稻灌溉制度优化中的应用 | 第86-89页 |
| ·约束条件的处理 | 第88页 |
| ·模型参数确定与优化结果 | 第88-89页 |
| ·结果分析与比较 | 第89页 |
| ·本章小结 | 第89-91页 |
| 7 结论与展望 | 第91-94页 |
| ·结论 | 第91-92页 |
| ·未来工作展望 | 第92-94页 |
| 致谢 | 第94-95页 |
| 参考文献 | 第95-104页 |
| 附录 | 第104-108页 |
| 攻读硕士学位期间完成的论文 | 第108页 |
