| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1．1 智能控制的结构与特点 | 第10页 |
| 1．2 神经网络及神经控制 | 第10-13页 |
| 1．2．1 神经网络发展概况 | 第10-11页 |
| 1．2．2 神经网络各种模型与算法 | 第11-12页 |
| 1．2．3 神经网络控制 | 第12页 |
| 1．2．4 神经网络的结构学习算法 | 第12-13页 |
| 1．3 多智能体与智能控制集成技术 | 第13-15页 |
| 1．3．1 分布式人工智能与多智能体系统及控制应用 | 第13-14页 |
| 1．3．2 智能控制的集成技术 | 第14-15页 |
| 1．4 本论文的主要内容 | 第15-17页 |
| 第二章 前向神经网络的学习算法 | 第17-30页 |
| 2．1 引言 | 第17页 |
| 2．2 前向神经网络原理 | 第17-18页 |
| 2．3 前向神经网络学习算法 | 第18-24页 |
| 2．3．1 遗传BP算法 | 第19页 |
| 2．3．2 基于样本划分的启发式遗传BP算法 | 第19-24页 |
| 2．4 前向神经网络的结构学习算法 | 第24-29页 |
| 2．4．1 结构学习算法概述 | 第24-25页 |
| 2．4．2 复合性结构学习算法（CSL） | 第25-29页 |
| 2．5 小结 | 第29-30页 |
| 第三章 递归神经网络的学习算法 | 第30-43页 |
| 3．1 概述 | 第30页 |
| 3．2 递归神经网络原理与学习算法 | 第30-36页 |
| 3．2．1 递归神经网络原理 | 第30-31页 |
| 3．2．2 递归神经网络一般学习算法 | 第31-32页 |
| 3．2．3 递归神经网络的随机学习算法 | 第32-36页 |
| 3．3 自环对角递归神经网络及其学习算法研究 | 第36-42页 |
| 3．4 小结 | 第42-43页 |
| 第四章 基于神经网络的辩识与控制 | 第43-55页 |
| 4．1 神经控制理论与方法研究 | 第44-45页 |
| 4．2 基于FAM的模糊神经控制器的研究 | 第45-50页 |
| 4．3 基于自环对角递归神经网络辩识与控制 | 第50-54页 |
| 4．4 小结 | 第54-55页 |
| 第五章 智能体与多智能体系统的形式模型 | 第55-73页 |
| 5．1 智能体的概念、基础及内容 | 第55-62页 |
| 5．1．1 智能体的概念 | 第55-56页 |
| 5．1．2 智能体及多智能体系统的概念基础 | 第56页 |
| 5．1．3 智能体的结构分类 | 第56-58页 |
| 5．1．4 多智能体研究的基本问题 | 第58-62页 |
| 5．2 多智能体系统的形式模型 | 第62-72页 |
| 5．2．1 MASCL的句法和语义 | 第62-69页 |
| 5．2．2 基于MASCL逻辑的多智能体协作承诺的形式模型 | 第69-72页 |
| 5．3 小结 | 第72-73页 |
| 第六章 多智能体的体系结构与建模 | 第73-97页 |
| 6．1 基于多智能体的分布式智能控制 | 第73-74页 |
| 6．1．1 工业过程的分布特征与多智能体建模 | 第73-74页 |
| 6．1．2 工业控制多智能体的特点 | 第74页 |
| 6．2 智能体的体系结构 | 第74-78页 |
| 6．2．1 智能体的概念模型 | 第74-76页 |
| 6．2．2 智能体的体系结构 | 第76-78页 |
| 6．3 智能体求解过程 | 第78-81页 |
| 6．4 智能体信息与行为的描述 | 第81-85页 |
| 6．5 烧结过程控制的多智能体建模研究 | 第85-92页 |
| 6．5．1 烧结过程简介 | 第85-86页 |
| 6．5．2 烧结过程控制的多智能体建模 | 第86-87页 |
| 6．5．3 烧结过程多智能体系统协调控制的实现 | 第87-92页 |
| 6．6 实验系统开发 | 第92-96页 |
| 6．7 小结 | 第96-97页 |
| 第七章 结论与展望 | 第97-99页 |
| 参考文献 | 第99-106页 |
| 致谢 | 第106-107页 |
| 作者在攻读博士学位期间发表和完成的论文 | 第107-108页 |
| 作者在攻读博士学位期间参加的项目 | 第108页 |