第0章 序 | 第1-11页 |
第1章 Elman 神经网络的理论基础 | 第11-23页 |
·神经网络简介 | 第11-19页 |
·神经网络的发展与应用 | 第11-12页 |
·人工神经网络模型 | 第12-17页 |
·人工神经网络的学习规则 | 第17-19页 |
·Elman 神经网络 | 第19-23页 |
·Elman 网络 | 第19-20页 |
·Elman 网络的学习算法 | 第20-23页 |
第2章 改进的Elman 神经网络模型 | 第23-39页 |
·改进Elman 网络 | 第23-25页 |
·改进Elman 网络的数学模型 | 第23-25页 |
·改进Elman 网络的学习算法 | 第25页 |
·Elman 及其改进网络的稳定性 | 第25-32页 |
·Elman 神经网络及其改进模型在超声马达模拟中的应用 | 第32-38页 |
·本章小结 | 第38-39页 |
第3章 Elman 神经网络及其改进模型在超声马达控制中的应用 | 第39-51页 |
·神经网络控制 | 第39-42页 |
·概述 | 第39-40页 |
·神经网络控制结构 | 第40-42页 |
·RBPC 神经网络模型 | 第42-45页 |
·RBPC 神经网络的稳定性 | 第45-47页 |
·数值模拟 | 第47-50页 |
·本章小结 | 第50-51页 |
第4章 进化计算基础 | 第51-61页 |
·生物进化 | 第51-53页 |
·进化论 | 第51-52页 |
·遗传变异理论 | 第52-53页 |
·新达尔文主义 | 第53页 |
·进化计算的发展过程 | 第53-57页 |
·遗传算法 | 第53-54页 |
·进化规划 | 第54-55页 |
·进化策略 | 第55页 |
·进化计算的诞生 | 第55页 |
·粒子群优化算法 | 第55-56页 |
·蚁群算法 | 第56-57页 |
·进化计算概述 | 第57-61页 |
·进化计算的基本框架 | 第57页 |
·进化计算的特点 | 第57-58页 |
·进化计算的理论研究现状 | 第58-59页 |
·进化计算的应用现状 | 第59-61页 |
第5章 几种改进的遗传算法 | 第61-78页 |
·引言 | 第61-62页 |
·“部落通婚”遗传算法 | 第62-68页 |
·“部落通婚”遗传算法 | 第62-65页 |
·在神经网络训练中的仿真 | 第65-67页 |
·结论 | 第67-68页 |
·基于适应度—距离选择机制的遗传算法 | 第68-73页 |
·基于适应度—距离选择机制的遗传算法 | 第68-69页 |
·用遗传神经网络识别油气层 | 第69-71页 |
·数值结果 | 第71-72页 |
·结论 | 第72-73页 |
·变种群规模遗传算法 | 第73-77页 |
·变种群规模遗传算法 | 第73-76页 |
·变种群规模遗传算法的应用 | 第76-77页 |
·本章小结 | 第77-78页 |
第6章 离散PSO 算法解决(广义)旅行商问题 | 第78-91页 |
·引言 | 第78-79页 |
·离散PSO 算法及其在TSP 问题中的应用 | 第79-83页 |
·引言 | 第79页 |
·解决TSP 问题的离散PSO 算法 | 第79-82页 |
·数值结果 | 第82-83页 |
·离散PSO 算法在广义TSP 问题中的扩展 | 第83-90页 |
·广义TSP 问题 | 第83-84页 |
·解决广义TSP 问题的离散PSO 算法 | 第84-88页 |
·数值结果 | 第88-90页 |
·本章小结 | 第90-91页 |
第7章 进化算法的混合模式研究 | 第91-110页 |
·免疫算法简介 | 第91-95页 |
·免疫系统的生物模型 | 第91-92页 |
·免疫算法 | 第92-95页 |
·进化算法的混合模式 | 第95-103页 |
·进化算法的混合模式 | 第95-96页 |
·串联混合模式 | 第96页 |
·并联混合模式 | 第96-98页 |
·有机混合模式 | 第98-103页 |
·数值计算及结果比较 | 第103-110页 |
第8章 结论与展望 | 第110-112页 |
参考文献 | 第112-123页 |
作者在攻读博士学位期间发表的论文 | 第123-125页 |
作者发表论文的检索及论文被他人引用等情况 | 第125-126页 |
作者在攻读博士学位期间参加的科研项目 | 第126页 |
作者在攻读博士学位期间的主要获奖 | 第126-127页 |
致谢 | 第127-128页 |
学位论文摘要(中文) | 第128-131页 |
学位论文摘要(英文) | 第131-134页 |