| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国内研究现状 | 第12-13页 |
| 1.2.2 国外研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 研究框架 | 第15-16页 |
| 1.5 创新点 | 第16-17页 |
| 2 神经网络与遗传算法 | 第17-30页 |
| 2.1 神经网络 | 第17-25页 |
| 2.1.1 BP神经网络 | 第17页 |
| 2.1.2 神经元模型 | 第17-18页 |
| 2.1.3 BP神经网络的计算原理 | 第18-20页 |
| 2.1.4 BP神经网络的优点 | 第20页 |
| 2.1.5 BP神经网络的计算流程 | 第20-25页 |
| 2.2 遗传算法 | 第25-29页 |
| 2.2.1 遗传编码 | 第25页 |
| 2.2.2 遗传算子 | 第25-27页 |
| 2.2.3 遗传算法的计算流程 | 第27-28页 |
| 2.2.4 遗传算法的适用领域 | 第28页 |
| 2.2.5 遗传算法的优点 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 基于遗传-神经网络模型的医院电梯交通流的预测分析 | 第30-48页 |
| 3.1 电梯交通流 | 第30-33页 |
| 3.1.1 电梯交通流的概念 | 第30-32页 |
| 3.1.2 医院内的交通流分析 | 第32-33页 |
| 3.1.3 电梯交通流的分析方法 | 第33页 |
| 3.2 交通流数据采集 | 第33-35页 |
| 3.2.1 数据采集方法 | 第33-34页 |
| 3.2.2 医院客流数据采集 | 第34-35页 |
| 3.3 基于神经网络的电梯交通流的预测方法 | 第35-36页 |
| 3.4 遗传算法优化神经网络 | 第36-39页 |
| 3.4.1 神经网络的特点 | 第36页 |
| 3.4.2 遗传算法的特点 | 第36-37页 |
| 3.4.3 神经网络与遗传算法的结合 | 第37-39页 |
| 3.5 MATLAB编程实现 | 第39-47页 |
| 3.5.1 基于BP神经网络的预测分析 | 第39-41页 |
| 3.5.2 基于遗传算法的BP神经网络优化 | 第41-47页 |
| 3.6 本章小结 | 第47-48页 |
| 4 基于遗传算法的医院房间的布局优化 | 第48-67页 |
| 4.1 医院房间平面位置的优化目标 | 第48-49页 |
| 4.2 遗传算法数学模型 | 第49-53页 |
| 4.2.1 遗传编码 | 第49页 |
| 4.2.2 目标函数 | 第49-50页 |
| 4.2.3 适应度函数 | 第50页 |
| 4.2.4 遗传算子 | 第50-53页 |
| 4.3 数据调研 | 第53-60页 |
| 4.3.1 研究对象 | 第53-56页 |
| 4.3.2 研究方法 | 第56-60页 |
| 4.4 分析与考察 | 第60-66页 |
| 4.5 本章小结 | 第66-67页 |
| 5 基于遗传算法的医院走廊形式布局优化 | 第67-85页 |
| 5.1 引言 | 第67-68页 |
| 5.2 走廊形式 | 第68-70页 |
| 5.3 数据选取及排布规则 | 第70-71页 |
| 5.4 编程思维 | 第71-73页 |
| 5.5 分析与考察 | 第73-84页 |
| 5.5.1 布局方案 | 第73-77页 |
| 5.5.2 局部最优解的验证 | 第77-80页 |
| 5.5.3 不同迭代次数的对比 | 第80-84页 |
| 5.6 本章小结 | 第84-85页 |
| 6 结论与展望 | 第85-87页 |
| 6.1 结论 | 第85页 |
| 6.2 展望 | 第85-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 附录 | 第92页 |