| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 群智能优化算法的研究背景与意义 | 第9-13页 |
| 1.1.1 群智能优化算法 | 第9-10页 |
| 1.1.2 代理模型 | 第10-13页 |
| 1.2 代理模型的研究现状与研究热点 | 第13-14页 |
| 1.3 本文的研究工作 | 第14-15页 |
| 第二章 基于信赖域的PSO-RBF代理模型的适应度估计 | 第15-27页 |
| 2.1 信赖域方法及其改进 | 第15-16页 |
| 2.2 微粒群算法 | 第16-17页 |
| 2.3 径向基函数神经网络 | 第17页 |
| 2.4 基于信赖域的PSO-RBF代理模型 | 第17-19页 |
| 2.5 仿真实验 | 第19-25页 |
| 2.6 本章小结 | 第25-27页 |
| 第三章 改进的PSO-RBF代理模型的适应度估计 | 第27-37页 |
| 3.1 PSO算法优化RBF神经网络权值 | 第27-28页 |
| 3.2 改进的PSO-RBF代理模型 | 第28-29页 |
| 3.3 仿真试验 | 第29-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于信赖域的PSO-BP代理模型的适应度估计 | 第37-45页 |
| 4.1 BP神经网络 | 第37-38页 |
| 4.1.1 BP神经网络的结构 | 第37页 |
| 4.1.2 BP学习算法 | 第37-38页 |
| 4.2 PSO优化BP神经网络权值 | 第38-39页 |
| 4.3 基于信赖域的PSO-BP代理模型 | 第39页 |
| 4.4 仿真实验 | 第39-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 算法性能分析 | 第45-51页 |
| 5.1 仿真实验一 | 第45-47页 |
| 5.2 仿真实验二 | 第47-49页 |
| 5.3 本章小结 | 第49-51页 |
| 第六章 结论和展望 | 第51-53页 |
| 6.1 主要内容与结论 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 攻读学位期间发表的学术论文目录 | 第59页 |