基于人工神经网络的遗传算法理论及应用
| 第1章 绪论 | 第1-17页 |
| ·课题的来源及意义 | 第9-10页 |
| ·本课题的国内外动态 | 第10-15页 |
| ·现代优化设计方法 | 第11-13页 |
| ·有限元法 | 第13-14页 |
| ·可视化方法及应用 | 第14-15页 |
| ·本文的主要工作 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 改进的模拟退火法与遗传算法 | 第17-30页 |
| ·模拟退火算法 | 第17-20页 |
| ·模拟退火算法概述 | 第17页 |
| ·Metropolis准则 | 第17-18页 |
| ·模拟退火算法的实现 | 第18-20页 |
| ·遗传算法基本原理 | 第20-23页 |
| ·遗传算法概述 | 第20-21页 |
| ·遗传算法具体操作过程 | 第21-22页 |
| ·遗传算法的特点 | 第22-23页 |
| ·基于遗传-多点退火混合算法的非线性约束优化 | 第23-30页 |
| ·基于遗传-多点退火混合算法的具体操作过程 | 第23-26页 |
| ·接力混合算法的基本思路 | 第26-27页 |
| ·基于讨论 | 第27页 |
| ·算例 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第3章 人工神经网络 | 第30-55页 |
| ·人工神经网络发展概叙 | 第30-31页 |
| ·BP神经网络的数学描述及其学习算法 | 第31-36页 |
| ·BP神经网络的网络结构 | 第31-34页 |
| ·BP网络的学习公式推导 | 第34-36页 |
| ·BP网络的改进 | 第36-55页 |
| ·网络模型的拓扑结构分析 | 第37-43页 |
| ·网络模型的拓扑结构的选择 | 第43-47页 |
| ·BP算法的改进 | 第47-55页 |
| ·初始权值的选择 | 第47页 |
| ·学习速率的选取 | 第47-49页 |
| ·惯性冲量修正 | 第49页 |
| ·网络收敛判断原则的改进 | 第49-53页 |
| ·激活函数的选取和样本的归一 | 第53-55页 |
| 第4章 系统优化设计与结构分析的理论与方法 | 第55-62页 |
| ·有限元方法 | 第55-57页 |
| ·有限元法的基本思想 | 第55-57页 |
| ·有限元法的建模要求 | 第57页 |
| ·结构优化设计 | 第57-58页 |
| ·建立数学模型 | 第58-62页 |
| ·设计变量 | 第59页 |
| ·目标函数 | 第59页 |
| ·约束条件的建立 | 第59-62页 |
| 第5章 基于神经网络的遗传算法和可视化技术 | 第62-74页 |
| ·基于神经网络的遗传算法 | 第62-64页 |
| ·面向对象的可视化技术 | 第64-74页 |
| ·基于面向对象技术的优化算法的实现 | 第64-70页 |
| ·面向对象技术的概念 | 第64-67页 |
| ·面向对象技术的网络优化训练 | 第67-70页 |
| ·优化计算的可视化技术 | 第70-74页 |
| 第6章 臂架系统结构优化 | 第74-86页 |
| ·结构形式 | 第74-75页 |
| ·计算工况要求说明 | 第75-76页 |
| ·设计要求 | 第76-77页 |
| ·采用新的结构优化方法 | 第77-85页 |
| ·结构有限元分析校核 | 第78-81页 |
| ·网络训练 | 第81页 |
| ·选用基于人工神经网络的遗传算法进行 | 第81-84页 |
| ·约束条件的选取 | 第81-82页 |
| ·建立模型 | 第82-84页 |
| ·优化结果验算 | 第84-85页 |
| ·本章小结 | 第85-86页 |
| 第7章 全文总结和展望 | 第86-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-90页 |
| 攻读硕士学位期间发表的学术论文 | 第90-97页 |
