| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-27页 |
| ·生物免疫系统基础 | 第7-8页 |
| ·免疫系统的主要功能及特点 | 第8-9页 |
| ·免疫系统的两个重要学说 | 第9-11页 |
| ·人工免疫系统及其研究现状 | 第11-18页 |
| ·人工免疫网络的数据挖掘研究 | 第18-23页 |
| ·人工免疫网络优化研究 | 第23-25页 |
| ·本文研究内容及论文结构 | 第25-27页 |
| 第二章 基于人工免疫网络的模糊聚类算法 | 第27-45页 |
| ·引言 | 第27页 |
| ·模糊聚类概述 | 第27-29页 |
| ·基于人工免疫网络的模糊聚类算法设计 | 第29-31页 |
| ·AINFCM人工免疫网络描述 | 第29-31页 |
| ·算法执行过程 | 第31页 |
| ·实验结果与讨论 | 第31-43页 |
| ·有效性度量标准选择 | 第31-32页 |
| ·实验设置及结果分析 | 第32-38页 |
| ·参数设置对算法的影响 | 第38-41页 |
| ·最优模糊聚类个数的确定 | 第41-42页 |
| ·可视化的聚类结果 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第三章 人工免疫网络并行算法研究 | 第45-57页 |
| ·引言 | 第45页 |
| ·MPI并行程序设计环境 | 第45-47页 |
| ·并行人工免疫网络模糊聚类算法设计 | 第47-49页 |
| ·AINFCM算法的时间复杂度分析 | 第47-48页 |
| ·并行模式设计 | 第48-49页 |
| ·实验结果及讨论 | 第49-55页 |
| ·算法的加速比分析 | 第49-54页 |
| ·算法的并行效率计算 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 第四章 协作型人工免疫网络优化算法 | 第57-75页 |
| ·引言 | 第57页 |
| ·协作型人工免疫网络思想 | 第57-59页 |
| ·基于粒子群优化行为的协作型人工免疫网络优化算法 | 第59-63页 |
| ·算法描述 | 第59-60页 |
| ·全局粒子群优化协作算子 | 第60-62页 |
| ·改进的克隆选择局部优化过程 | 第62-63页 |
| ·多模函数优化测试结果及讨论 | 第63-73页 |
| ·函数选择及评价标准设置 | 第63-64页 |
| ·与opt-aiNet，BCA，HCA算法比较 | 第64-65页 |
| ·与opt-aiNet，PSO算法比较 | 第65-68页 |
| ·多模寻优能力分析 | 第68-70页 |
| ·参数设置对算法的影响 | 第70-71页 |
| ·人工免疫网络的动态特征分析 | 第71-73页 |
| ·本章小结 | 第73-75页 |
| 第五章 人工免疫网络在药代动力学模型优化中的应用 | 第75-89页 |
| ·引言 | 第75-76页 |
| ·药代动力学概述 | 第76-80页 |
| ·药代动力学 | 第76页 |
| ·药物代谢方式 | 第76-77页 |
| ·房室模型理论 | 第77-78页 |
| ·药代动力学参数优化及常用方法 | 第78-80页 |
| ·药代动力学参数优化的人工免疫网络算法 | 第80-83页 |
| ·网络细胞编码 | 第80页 |
| ·适应度计算 | 第80-81页 |
| ·分组并发单纯形的克隆选择 | 第81-83页 |
| ·网络的动态调节 | 第83页 |
| ·PKAIN的执行过程 | 第83页 |
| ·瑞芬太尼及其代谢产物的药代动力学参数优化 | 第83-88页 |
| ·瑞芬太尼药物简介 | 第83-84页 |
| ·拉普拉斯变换 | 第84-86页 |
| ·药代动力学参数求解 | 第86-87页 |
| ·与残数法，高斯牛顿法的比较 | 第87-88页 |
| ·本章小结 | 第88-89页 |
| 论文创新点 | 第89-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-103页 |
| 附录1:作者在攻读博士学位期间以第一作者发表的论文 | 第103-104页 |
| 附录2:作者在攻读博士学位期间的相关科研工作及成果 | 第104页 |