| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-18页 |
| ·课题的研究背景和现状 | 第12-15页 |
| ·蚁群优化算法的研究背景和现状 | 第12-13页 |
| ·人工神经网络的研究背景和现状 | 第13-14页 |
| ·微带天线的研究背景和现状 | 第14-15页 |
| ·选题的背景 | 第15页 |
| ·课题研究内容及主要成果 | 第15-16页 |
| ·本文的章节安排和结构 | 第16-18页 |
| 第2章 人工神经网络理论 | 第18-26页 |
| ·人工神经网络的基础 | 第18-21页 |
| ·人工神经网络的数学模型 | 第18-19页 |
| ·人工神经网络的学习方式 | 第19-21页 |
| ·人工神经网络的特点 | 第21页 |
| ·BP 算法和BP 神经网络 | 第21-25页 |
| ·BP 算法的数学描述 | 第22-23页 |
| ·BP 算法的若干改进 | 第23-24页 |
| ·BP 网络的局限性 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 蚁群优化算法的更新方法的研究 | 第26-39页 |
| ·蚁群优化算法的原理 | 第26-30页 |
| ·蚂蚁的信息系统 | 第26页 |
| ·蚁群优化算法的原理分析 | 第26-28页 |
| ·基本蚁群优化算法的模型 | 第28-30页 |
| ·几种改进的蚁群优化算法 | 第30-31页 |
| ·蚁群优化算法的蚂蚁更新方法研究 | 第31-33页 |
| ·克隆选择 | 第32页 |
| ·代间差分 | 第32页 |
| ·混沌理论 | 第32-33页 |
| ·变异原理 | 第33页 |
| ·模拟退火算法 | 第33页 |
| ·蚂蚁更新算法 | 第33页 |
| ·蚁群优化算法更新方法的数值实验 | 第33-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 蚁群神经网络的研究 | 第39-54页 |
| ·蚁群神经网络模型 | 第39-42页 |
| ·蚁群神经网络的实现 | 第39-40页 |
| ·本文建立的几种蚁群神经网络模型 | 第40-42页 |
| ·蚁群神经网络的数值实验 | 第42-53页 |
| ·函数拟合数值实验 | 第42-46页 |
| ·分类问题数值实验 | 第46-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 蚁群神经网络在微带天线设计中的应用 | 第54-68页 |
| ·研究微带天线的意义 | 第54-55页 |
| ·微带天线的优缺点分析 | 第55-56页 |
| ·微带天线的优点 | 第55页 |
| ·微带天线的缺点及改善方法 | 第55-56页 |
| ·微带天线的工作原理 | 第56-58页 |
| ·微带天线谐振频率的计算 | 第58-61页 |
| ·矩形微带天线的谐振频率 | 第58页 |
| ·PSO_ACO_NN 模型在矩形微带天线谐振频率计算上的应用 | 第58-61页 |
| ·I 型微带天线的结构优化设计和仿真 | 第61-66页 |
| ·I 型微带天线的简介 | 第61-63页 |
| ·基于PSO_ACO_NN 的I 型微带天线的优化设计 | 第63-66页 |
| ·本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 详细摘要 | 第75-79页 |