| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| Contents | 第9-11页 |
| 插图和附表清单 | 第11-12页 |
| 1 绪论 | 第12-16页 |
| ·遗传算法(GA)的历史起源 | 第12-13页 |
| ·遗传算法(GA)的研究现状 | 第13-15页 |
| ·论文研究的意义及其主要内容 | 第15-16页 |
| ·论文的研究意义 | 第15页 |
| ·论文的主要研究内容 | 第15-16页 |
| 2 经典优化算法 | 第16-21页 |
| ·最优化问题的数学模型 | 第16页 |
| ·经典优化算法的基本概念 | 第16-17页 |
| ·几类经典优化算法简介 | 第17-21页 |
| ·最速下降法 | 第17-18页 |
| ·共轭梯度法 | 第18-19页 |
| ·牛顿法与拟牛顿法 | 第19-21页 |
| 3 GA的基本原理和算法结构 | 第21-29页 |
| ·遗传算法的基本原理 | 第21-23页 |
| ·基本遗传算法(SGA) | 第23-25页 |
| ·SGA的基本结构 | 第23-25页 |
| ·个体适应度评价 | 第25页 |
| ·GA的遗传算子 | 第25-27页 |
| ·选择算子(Selection Operators) | 第25-26页 |
| ·交叉算子(Crossover Operators) | 第26页 |
| ·变异算子(Mutation Operators) | 第26-27页 |
| ·遗传算法优化问题构造过程 | 第27-28页 |
| ·遗传算法的特点 | 第28-29页 |
| 4 基于BFGS的混合遗传算法 | 第29-36页 |
| ·引言 | 第29页 |
| ·基本遗传算法和BFGS算法 | 第29-31页 |
| ·基于BFGS的遗传算法 | 第31页 |
| ·数值实验 | 第31-35页 |
| ·总结 | 第35-36页 |
| 5 BFGS的混合遗传算法在模糊神经网络识别中的应用 | 第36-44页 |
| ·引言 | 第36页 |
| ·模糊神经网络概念及其理论 | 第36-39页 |
| ·论知识准备 | 第36-37页 |
| ·模糊神经网络结构理论分析 | 第37-38页 |
| ·基于BFGS的混合遗传算法 | 第38-39页 |
| ·BFGS混合遗传算法在模糊神经网络识别中的实现 | 第39-42页 |
| ·参数范围的确定 | 第39-40页 |
| ·编码方案的确定 | 第40-41页 |
| ·算法实现 | 第41-42页 |
| ·仿真与分析 | 第42-43页 |
| ·结语 | 第43-44页 |
| 总结 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 致谢 | 第47-48页 |
| 作者简介及读研期间发表的论文 | 第48页 |
