| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题背景及研究意义 | 第7页 |
| ·生化系统建模仿真的研究概况 | 第7-8页 |
| ·智能优化算法的研究概况 | 第8-10页 |
| ·论文的主要研究工作 | 第10-11页 |
| 第二章 生化系统计算分析介绍 | 第11-17页 |
| ·生化系统的模型 | 第11-15页 |
| ·生化系统的动力学模型分析 | 第11-12页 |
| ·S-系统 | 第12-13页 |
| ·S-系统的参数 | 第13-14页 |
| ·S-系统模型的性质 | 第14-15页 |
| ·生物化学系统备选模型 | 第15页 |
| ·生化系统的参数估计 | 第15-17页 |
| ·基于流量的估计 | 第15-16页 |
| ·基于动态数据的参数估算 | 第16-17页 |
| 第三章 智能优化算法介绍及其改进 | 第17-29页 |
| ·进化算法 | 第17-20页 |
| ·遗传算法 | 第17-18页 |
| ·进化策略算法 | 第18-19页 |
| ·差分进化算法 | 第19-20页 |
| ·粒子群优化算法 | 第20-22页 |
| ·基本的粒子群优化算法 | 第20-21页 |
| ·基本粒子群算法的社会行为分析 | 第21-22页 |
| ·带有惯性因子的粒子群优化算法 | 第22页 |
| ·量子行为粒子群优化算法 | 第22-29页 |
| ·粒子群优化算法的缺点 | 第22-23页 |
| ·量子行为粒子群优化算法模型 | 第23-24页 |
| ·多样性指导的量子行为粒子群算法 | 第24-25页 |
| ·全局位置变异操作的量子行为粒子群算法 | 第25-26页 |
| ·实验结果及分析 | 第26-29页 |
| 第四章 代谢途径参数估计的最优化算法研究与比较 | 第29-43页 |
| ·细胞代谢的基本概念 | 第29页 |
| ·动力学仿真 | 第29-31页 |
| ·最优化参数估计 | 第31-32页 |
| ·三步酶反应的代谢途径参数估计的智能算法研究 | 第32-40页 |
| ·三步酶反应代谢途径模型简介 | 第32-33页 |
| ·算法设计 | 第33-35页 |
| ·实验结果及分析 | 第35-40页 |
| ·本节小结 | 第40页 |
| ·α-蒎烯热异构化参数估计的智能优化算法研究 | 第40-43页 |
| ·α-蒎烯热异构化模型简介 | 第40-41页 |
| ·算法设计及实验结果 | 第41-43页 |
| 第五章 基于S-系统基因调控网络的分析与重构 | 第43-51页 |
| ·基因调控网络简介 | 第43-44页 |
| ·基因调控网络的模型 | 第44-46页 |
| ·基因调控网络的分析与重构 | 第44页 |
| ·布尔模型 | 第44页 |
| ·线性组合模型 | 第44-45页 |
| ·加权矩阵模型 | 第45页 |
| ·互信息关联网络模型 | 第45-46页 |
| ·贝叶斯网络模型 | 第46页 |
| ·微分方程模型 | 第46页 |
| ·基于S-系统基因调控网络参数估计的计算方法研究 | 第46-51页 |
| ·S-系统参数估计的基本方法 | 第47-48页 |
| ·基于QPSO 算法优化S-系统参数的逐步优化策略 | 第48-49页 |
| ·实验结果及分析 | 第49-50页 |
| ·本节小结 | 第50-51页 |
| 【总结与展望】 | 第51-53页 |
| 本课题的研究结论 | 第51页 |
| 本课题的展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第59页 |