| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·问题的提出 | 第8-11页 |
| ·遗传算法与支持向量机最新研究概况 | 第11-15页 |
| ·本文研究的主要内容及意义 | 第15-17页 |
| 2 遗传算法相关理论 | 第17-26页 |
| ·遗传算法的数学基础 | 第17-21页 |
| ·遗传算法的基本特点 | 第21-23页 |
| ·遗传算法的基本框架与流程 | 第23-26页 |
| 3 支持向量机基本原理 | 第26-37页 |
| ·统计学习理论 | 第26-29页 |
| ·支持向量机分类 | 第29-35页 |
| ·支持向量回归（SVR） | 第35-37页 |
| 4 支持向量机与遗传算法（SVM-GA）的融合技术 | 第37-45页 |
| ·基于支持向量机和遗传算法的结构优化设计 | 第37-38页 |
| ·训练样本集准备 | 第38-39页 |
| ·输入输出数据的预处理 | 第39-41页 |
| ·训练模型选择 | 第41-43页 |
| ·寻优过程 | 第43-45页 |
| 5 应用算例 | 第45-55页 |
| ·十杆桁架优化问题 | 第45-50页 |
| ·25 杆桁架优化问题 | 第50-55页 |
| 6 结束语 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 硕士研究生阶段参与的研究项目及成果 | 第61页 |