| 摘要 | 第1-8页 |
| ABSTRACT | 第8-15页 |
| 第1章 绪论 | 第15-27页 |
| ·研究背景与意义 | 第15-16页 |
| ·研究现状 | 第16-24页 |
| ·协同进化算法研究现状 | 第16-18页 |
| ·混合智能优化算法研究现状 | 第18-21页 |
| ·混合智能优化算法应用研究现状 | 第21-24页 |
| ·当前存在的主要问题 | 第24-25页 |
| ·研究内容与论文结构 | 第25-27页 |
| 第2章 计算智能方法 | 第27-43页 |
| ·粗糙集理论 | 第27-28页 |
| ·粗糙集理论概述 | 第27页 |
| ·粗糙集基本理论 | 第27-28页 |
| ·遗传算法 | 第28-33页 |
| ·遗传算法简介 | 第28-29页 |
| ·算法基本原理 | 第29-31页 |
| ·算法定理及其收敛性 | 第31-33页 |
| ·粒子群算法 | 第33-37页 |
| ·粒子群算法简介 | 第33页 |
| ·粒子群算法基本原理 | 第33-37页 |
| ·蚁群算法 | 第37-39页 |
| ·蚁群算法简介 | 第37页 |
| ·蚁群算法基本原理 | 第37-39页 |
| ·人工神经网络 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 并行协同进化算法与理论研究 | 第43-65页 |
| ·协同进化算法及其理论基础 | 第43-51页 |
| ·协同进化算法及其分类 | 第43-48页 |
| ·协同进化算法框架 | 第48-49页 |
| ·协同进化算法动力学描述 | 第49-51页 |
| ·协同进化策略与并行协同进化算法 | 第51-60页 |
| ·协同进化策略的反思 | 第51-53页 |
| ·PCEGP算法思想 | 第53-54页 |
| ·PCEGP算法模型 | 第54-55页 |
| ·PCEGP算法描述 | 第55-57页 |
| ·PCEGP算法实现 | 第57-60页 |
| ·并行协同进化算法理论基础 | 第60-64页 |
| ·PCEGP算法收敛性分析 | 第60-63页 |
| ·PCEGP算法复杂度分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 PCEGP算法优化的神经网络及其应用 | 第65-81页 |
| ·RBF神经网络 | 第65-67页 |
| ·RBFNN拓扑结构 | 第65-66页 |
| ·RBFNN映射关系 | 第66-67页 |
| ·RBFNN学习算法 | 第67页 |
| ·PCEGP算法用于优化神经网络 | 第67-72页 |
| ·优化RBFNN思想 | 第68页 |
| ·PHIO算法模型 | 第68-69页 |
| ·PHIO算法描述 | 第69-72页 |
| ·RBFNN优化的实验结果与分析 | 第72-75页 |
| ·实验目的 | 第72页 |
| ·实验环境 | 第72页 |
| ·参数选择 | 第72-73页 |
| ·实验结果 | 第73-75页 |
| ·PHIO算法在函数优化中的应用 | 第75-79页 |
| ·测试函数 | 第76页 |
| ·实验目的 | 第76页 |
| ·实验环境 | 第76页 |
| ·参数设置 | 第76-77页 |
| ·实验结果 | 第77-79页 |
| ·章小结 | 第79-81页 |
| 第5章 基于PCEGP和ACO的两阶段混合智能优化算法 | 第81-101页 |
| ·两阶段混合智能优化算法 | 第81-86页 |
| ·TSHIO算法思想 | 第81页 |
| ·TSHIO算法模型 | 第81-83页 |
| ·TSHIO算法描述 | 第83-85页 |
| ·TSHIO算法实现 | 第85-86页 |
| ·TSHIO算法复杂度分析 | 第86-87页 |
| ·TSHIO算法在求解TSP中的应用 | 第87-100页 |
| ·旅行商问题 | 第87-88页 |
| ·TSHIO算法在求解TSP实验结果与分析 | 第88-100页 |
| ·本章小结 | 第100-101页 |
| 第6章 基于混合智能优化的铁路客运量预测方法 | 第101-111页 |
| ·引言 | 第101页 |
| ·基于粗糙集理论和BP神经网络的混合智能优化算法 | 第101-103页 |
| ·RSBPNN算法思想 | 第101页 |
| ·RSBPNN算法描述 | 第101-103页 |
| ·基于RSBPNN算法的铁路客运量预测方法 | 第103-110页 |
| ·铁路客运量预测模型 | 第103页 |
| ·铁路客运量预测方法 | 第103-109页 |
| ·实验仿真与结果 | 第109-110页 |
| ·本章小结 | 第110-111页 |
| 第7章 基于混合智能优化的故障智能诊断方法 | 第111-119页 |
| ·引言 | 第111页 |
| ·基于混合智能优化的故障智能诊断方法 | 第111-114页 |
| ·RGBNFD方法思想 | 第111-112页 |
| ·RGBNFD模型 | 第112页 |
| ·RGBNFD方法描述 | 第112-114页 |
| ·RGBNFD方法在电机滚动轴承故障诊断中的应用 | 第114-118页 |
| ·构建原始决策表 | 第114-115页 |
| ·连续数据离散化 | 第115页 |
| ·决策表属性约简 | 第115页 |
| ·遗传BPNN | 第115-116页 |
| ·实验仿真与结果分析 | 第116-118页 |
| ·本章小结 | 第118-119页 |
| 第8章 结论与展望 | 第119-122页 |
| ·本文的主要工作和结论 | 第119-120页 |
| ·对未来工作的研究展望 | 第120-122页 |
| 参考文献 | 第122-133页 |
| 攻读学位期间公开发表论文 | 第133-134页 |
| 攻读学位期间主持和参与的主要科研项目、专利 | 第134-135页 |
| 致谢 | 第135-136页 |
| 作者简介 | 第136页 |