| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-15页 |
| ·课题背景及研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·课题来源 | 第13页 |
| ·本文的主要工作 | 第13-15页 |
| 第二章 相关理论与技术 | 第15-35页 |
| ·物理规划方法 | 第15-19页 |
| ·偏好函数 | 第15-17页 |
| ·物理规划方法的数学模型 | 第17页 |
| ·物理规划方法求解多目标优化问题的过程 | 第17-19页 |
| ·模糊神经网络 | 第19-28页 |
| ·模糊系统理论 | 第19-20页 |
| ·人工神经网络（ANN） | 第20-24页 |
| ·BP 神经网络 | 第24-27页 |
| ·模糊控制与神经网络的融合 | 第27-28页 |
| ·主成分分析（PCA） | 第28-30页 |
| ·基本概念 | 第28-29页 |
| ·PCA 数学模型 | 第29页 |
| ·PCA 步骤 | 第29-30页 |
| ·遗传算法 | 第30-31页 |
| ·遗传算法概念 | 第30页 |
| ·遗传算法的基本流程 | 第30-31页 |
| ·遗传算法的特点 | 第31页 |
| ·多学科设计优化（MDO） | 第31-34页 |
| ·MDO 定义 | 第31-32页 |
| ·MDO 数学模型 | 第32页 |
| ·两级集成系统综合法（BLISS） | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 智能交互式物理规划 | 第35-60页 |
| ·交互式物理规划 | 第35-38页 |
| ·交互式物理规划方法步骤 | 第35-37页 |
| ·交互式物理规划的不足及改进方向 | 第37-38页 |
| ·决策支持的数学方法 | 第38-39页 |
| ·基于模糊神经网络的智能决策模型 | 第39-40页 |
| ·模糊量化处理 | 第40页 |
| ·基于 PCA 的 GA-BP 神经网络改进算法 | 第40-47页 |
| ·GA-BP 神经网络 | 第40-41页 |
| ·算法构思 | 第41页 |
| ·算法流程 | 第41-43页 |
| ·实验与结果分析 | 第43-47页 |
| ·自适应构造隐含层节点的 GA-BP 神经网络改进算法 | 第47-53页 |
| ·算法构思 | 第47-49页 |
| ·算法流程 | 第49-51页 |
| ·实验与结果分析 | 第51-53页 |
| ·自适应构造隐含层节点的 PCA-GA-BP 神经网络改进算法 | 第53-55页 |
| ·算法构思 | 第53页 |
| ·算法流程 | 第53-54页 |
| ·实验与结果分析 | 第54-55页 |
| ·三种改进算法的比较 | 第55-56页 |
| ·同组样本数据实验 | 第55页 |
| ·多组样本数据实验 | 第55-56页 |
| ·智能交互式物理规划方法 | 第56-57页 |
| ·算例分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 基于 IIPP 和 BLISS 的多学科设计优化 | 第60-73页 |
| ·智能交互式物理规划(IIPP)与两级集成系统综合法(BLISS)结合 | 第60-66页 |
| ·相容问题决策支持法（CDSP） | 第60-64页 |
| ·IIPP 与 BLISS 相结合的数学模型 | 第64-66页 |
| ·基于 IIPP 与 BLISS 的多学科多目标优化方法 | 第66-68页 |
| ·实例分析 | 第68-71页 |
| ·实例介绍 | 第68-69页 |
| ·优化求解步骤 | 第69-70页 |
| ·优化结果与分析 | 第70-71页 |
| ·本章小结 | 第71-73页 |
| 第五章 总结与展望 | 第73-75页 |
| ·结论 | 第73-74页 |
| ·展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻硕期间取得的研究成果 | 第81-82页 |
