| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| Contents | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| ·论文的研究背景及意义 | 第15-16页 |
| ·国内外同类研究现状概述 | 第16-20页 |
| ·综合评价决策模型的研究现状 | 第16-18页 |
| ·决策支持系统研究现状 | 第18-20页 |
| ·论文的主要内容与结构 | 第20页 |
| ·小结 | 第20-21页 |
| 第二章 综合评价及决策支持系统的基本理论 | 第21-29页 |
| ·综合评价的基本理论 | 第21-24页 |
| ·综合评价的基本概念 | 第21页 |
| ·综合评价的基本步骤 | 第21-22页 |
| ·综合评价的主要方法 | 第22-23页 |
| ·综合评价研究的新趋势 | 第23-24页 |
| ·决策支持系统的基本理论 | 第24-28页 |
| ·决策支持系统的概念 | 第24-25页 |
| ·决策支持系统的基本结构 | 第25-27页 |
| ·决策支持系统的特点 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第三章 模糊综合评价、神经网络、遗传算法和并行算法基本理论概述 | 第29-42页 |
| ·模糊综合评价法基本理论 | 第29-30页 |
| ·模糊综合评价法基本原理 | 第29-30页 |
| ·模糊综合评价法的关键技术 | 第30页 |
| ·BP神经网络基本理论 | 第30-35页 |
| ·BP神经网络原理 | 第31-32页 |
| ·BP算法的实现步骤 | 第32-34页 |
| ·BP算法的局限性及改进 | 第34-35页 |
| ·遗传算法基本理论 | 第35-40页 |
| ·遗传算法基本思想 | 第35页 |
| ·遗传算法的运行过程 | 第35-37页 |
| ·遗传算法的关键实现技术 | 第37-38页 |
| ·遗传算法的优缺点及改进 | 第38-40页 |
| ·并行算法简介 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第四章 基于并行遗传神经网络的模糊综合评价模型 | 第42-60页 |
| ·模糊综合评价法的基本步骤 | 第42-43页 |
| ·模糊层次综合评价模型 | 第43-46页 |
| ·模糊权重向量的确定 | 第43-44页 |
| ·模糊矩阵的确定 | 第44-46页 |
| ·模糊层次综合评价 | 第46页 |
| ·基于BP神经网络的模糊综合评价模型 | 第46-48页 |
| ·指标的模糊处理 | 第46-47页 |
| ·构建BP神经网络结构 | 第47-48页 |
| ·神经网络训练算法 | 第48页 |
| ·基于遗传神经网络的模糊综合评价模型 | 第48-52页 |
| ·遗传算法与神经网络结合 | 第48-49页 |
| ·GA-BP算法的思想 | 第49-50页 |
| ·GA-BP算法的设计 | 第50-51页 |
| ·用MATLAB工具箱实现GA-BP算法 | 第51-52页 |
| ·基于并行遗传神经网络的模糊综合评价模型 | 第52-59页 |
| ·并行遗传算法 | 第52-55页 |
| ·分布式并行遗传算法计算平台的构建 | 第55-59页 |
| ·小结 | 第59-60页 |
| 第五章 实例分析 | 第60-71页 |
| ·指标体系的建立 | 第60页 |
| ·数据预处理 | 第60-61页 |
| ·基于BP神经网络的企业模糊综合评价 | 第61-64页 |
| ·基于遗传神经网络的企业模糊综合评价 | 第64-66页 |
| ·基于并行遗传算法的企业模糊综合评价 | 第66-68页 |
| ·评价结果比较分析 | 第68-71页 |
| 第六章 总结与展望 | 第71-73页 |
| ·总结 | 第71页 |
| ·研究展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间发表的论文 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附录 | 第78-94页 |
| 附录1.全球企业100强2010年度数据 | 第78-82页 |
| 附录2.全球企业100强2010年度归一化数据 | 第82-86页 |
| 附录3.模糊层次综合评价结果 | 第86-89页 |
| 附录4.训练样本数据 | 第89-91页 |
| 附录5.基于BP神经网络的模糊综合评价结果 | 第91-93页 |
| 附录6.基于遗传神经网络的模糊综合评价结果 | 第93-94页 |