| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题的目的和意义 | 第9页 |
| 1.2 国内外研究现状和进展 | 第9-13页 |
| 1.2.1 遗传算法 | 第10页 |
| 1.2.2 模拟退火 | 第10-11页 |
| 1.2.3 人工神经网络 | 第11页 |
| 1.2.4 粒子群算法 | 第11-12页 |
| 1.2.5 差分进化算法 | 第12页 |
| 1.2.6 人工鱼群算法 | 第12-13页 |
| 1.3 论文各部分主要内容 | 第13-14页 |
| 第二章 根系模式概论 | 第14-19页 |
| 2.1 人工智能 | 第14-15页 |
| 2.2 基于生物行为的自适应体 | 第15-16页 |
| 2.3 根系模式 | 第16-18页 |
| 2.3.1 竞争 | 第16页 |
| 2.3.2 根的向性生长 | 第16页 |
| 2.3.3 根系行为分析 | 第16-17页 |
| 2.3.4 人工根系 | 第17页 |
| 2.3.5 问题的解决 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 基本人工根系算法 | 第19-28页 |
| 3.1 前言 | 第19-20页 |
| 3.2 人工根系模型(AR- Artificial root) | 第20-21页 |
| 3.2.1 一些定义 | 第20页 |
| 3.2.2 根系行为描述 | 第20-21页 |
| 3.3 算法描述 | 第21-23页 |
| 3.4 仿真实验研究 | 第23-24页 |
| 3.5 与其他智能优化算法的比较 | 第24-26页 |
| 3.5.1 AR 算法与粒子群算法稳定性和收敛精度对比 | 第24-25页 |
| 3.5.2 AR 算法与粒子群算法寻优能力对比 | 第25页 |
| 3.5.3 AR 算法与粒子群算法、人工鱼群算法收敛速度和稳定性对比 | 第25-26页 |
| 3.6 本章小结 | 第26-28页 |
| 第四章 估计各向异性条件下含水层参数的 ARO 算法应用 | 第28-33页 |
| 4.1 引言 | 第28页 |
| 4.2 一些基本概念 | 第28-29页 |
| 4.2.1 抽水试验基础 | 第28-29页 |
| 4.2.2 目标函数的构造 | 第29页 |
| 4.3 仿真实验结果与初步讨论 | 第29-32页 |
| 4.3.1 实验数据及实验条件 | 第29-30页 |
| 4.3.2 初步讨论 | 第30-32页 |
| 4.4 本章小结 | 第32-33页 |
| 第五章 基于神经网络的 AR 算法 | 第33-41页 |
| 5.1 引言 | 第33-34页 |
| 5.2 基本概念 | 第34-35页 |
| 5.2.1 判别分析 | 第34-35页 |
| 5.2.2 人工神经网络 | 第35页 |
| 5.3 构造目标函数 | 第35-37页 |
| 5.4 目标函数优化 | 第37页 |
| 5.5 判别准则的确定 | 第37-38页 |
| 5.6 实例验证 | 第38-40页 |
| 5.6.1 数据的标准化 | 第38页 |
| 5.6.2 判别准则的确定及分类结果 | 第38-40页 |
| 5.7 本章小结 | 第40-41页 |
| 第六章 人工根系算法的改进方法 | 第41-45页 |
| 6.1 引言 | 第41页 |
| 6.2 改进的人工根系算法 | 第41-42页 |
| 6.2.1 新生根系数目的动态化调整 | 第41-42页 |
| 6.2.2 搜索半径 Search_space 态化调整 | 第42页 |
| 6.3 仿真实验研究 | 第42-43页 |
| 6.4 本章小结 | 第43-45页 |
| 结论与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 攻读硕士学位期间取得的研究成果 | 第49-50页 |
| 致谢 | 第50页 |
