| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 引言 | 第8页 |
| 1.2 优化问题 | 第8-9页 |
| 1.3 计算智能 | 第9-12页 |
| 1.3.1 概述 | 第9-10页 |
| 1.3.2 进化计算 | 第10-12页 |
| 1.4 人工鱼群算法的研究概况 | 第12-13页 |
| 1.5 论文研究主要内容 | 第13-15页 |
| 第二章 智能优化算法综述 | 第15-23页 |
| 2.1 概述 | 第15-17页 |
| 2.2 蚁群算法 | 第17-18页 |
| 2.3 粒子群算法 | 第18-20页 |
| 2.4 人工鱼群算法 | 第20-21页 |
| 2.5 AFSA、ACO和PSO的异同比较 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 带变异算子与动态视野和步长的人工鱼群智能优化算法 | 第23-36页 |
| 3.1 引言 | 第23-24页 |
| 3.2 人工鱼群算法 | 第24-31页 |
| 3.2.1 人工鱼群算法的基本思想 | 第24-25页 |
| 3.2.2 人工鱼群算法描述 | 第25-31页 |
| 3.3 带变异算子与动态视野和步长的人工鱼群优化算法 | 第31-35页 |
| 3.3.1 变异算子 | 第31-32页 |
| 3.3.2 动态视野和步长 | 第32-33页 |
| 3.3.3 带变异算子与动态视野和步长的人工鱼群优化算法 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于改进人工鱼群算法的BP神经网络优化 | 第36-49页 |
| 4.1 人工神经网络 | 第36-39页 |
| 4.1.1 神经网络的结构 | 第36-38页 |
| 4.1.2 神经网络的学习 | 第38-39页 |
| 4.2 BP神经网络 | 第39-45页 |
| 4.2.1 BP神经网络的拓扑结构 | 第40-42页 |
| 4.2.2 BP神经网络的学习算法 | 第42页 |
| 4.2.3 BP算法的数学描述 | 第42-44页 |
| 4.2.4 BP算法的实现步骤 | 第44-45页 |
| 4.3 改进人工鱼群算法的BP神经网络优化 | 第45-48页 |
| 4.3.1 改进人工鱼群算法优化BP神经网络思路 | 第45-47页 |
| 4.3.2 改进人工鱼群算法优化BP神经网络具体过程 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 实验仿真与性能分析 | 第49-54页 |
| 5.1 改进人工鱼群算法实验仿真与性能分析 | 第49-50页 |
| 5.1.1 实验参数 | 第49页 |
| 5.1.2 实验仿真及分析 | 第49-50页 |
| 5.2 改进人工鱼群算法的BP神经网络优化实验仿真与性能分析 | 第50-53页 |
| 5.2.1 寻优时间对比 | 第51-52页 |
| 5.2.2 分类性能对比 | 第52-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第六章 结论与展望 | 第54-56页 |
| 6.1 结论 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间的研究成果 | 第60-61页 |
