| 摘要 | 第1-8页 |
| Abstract | 第8-11页 |
| 主要符号说明 | 第11-15页 |
| 第一章 全局优化问题及非光滑优化问题简介 | 第15-44页 |
| §1.1 全局优化问题简介 | 第15-37页 |
| §1.1.1 全局优化的基础知识 | 第16-18页 |
| §1.1.2 全局优化中的几种确定性方法 | 第18-32页 |
| §1.1.3 全局优化中的几种随机性方法 | 第32-37页 |
| §1.2 非光滑优化问题简介 | 第37-44页 |
| §1.2.1 非光滑优化的基础知识 | 第37-38页 |
| §1.2.2 非光滑优化中的几种方法 | 第38-44页 |
| 第二章 非光滑规划无约束全局优化的填充函数法 | 第44-69页 |
| §2.1 引言 | 第44-46页 |
| §2.2 一类新的双参数填充函数法 | 第46-52页 |
| §2.2.1 一类新的双参数填充函数及其性质 | 第46-49页 |
| §2.2.2 算法NFFM1 | 第49-52页 |
| §2.3 一个新的单参数填充函数法 | 第52-57页 |
| §2.3.1 一个新的单参数填充函数及其性质 | 第52-56页 |
| §2.3.2 算法NFFM2 | 第56-57页 |
| §2.4 数值结果 | 第57-65页 |
| §2.5 与其他方法的比较 | 第65-67页 |
| §2.5.1 与区间方法的比较 | 第65-66页 |
| §2.5.2 与打洞函数法的比较 | 第66-67页 |
| §2.6 小结 | 第67-69页 |
| 第三章 非光滑规划不等式约束全局优化的填充函数法 | 第69-85页 |
| §3.1 引言 | 第69-70页 |
| §3.2 一个双参数填充函数法 | 第70-77页 |
| §3.2.1 一个双参数填充函数及其性质 | 第70-75页 |
| §3.2.2 算法IFFM1 | 第75-77页 |
| §3.3 一个单参数填充函数法 | 第77-82页 |
| §3.3.1 一个单参数填充函数及其性质 | 第77-80页 |
| §3.3.2 算法IFFM2 | 第80-82页 |
| §3.4 数值结果 | 第82-84页 |
| §3.5 小结 | 第84-85页 |
| 第四章 非光滑规划等式约束全局优化的填充函数法 | 第85-94页 |
| §4.1 引言 | 第85-86页 |
| §4.2 一个双参数填充函数法 | 第86-93页 |
| §4.2.1 一个双参数填充函数及其性质 | 第86-90页 |
| §4.2.2 算法EFFM1 | 第90-91页 |
| §4.2.3 算法EFFM2 | 第91-93页 |
| §4.3 小结 | 第93-94页 |
| 第五章 填充函数法的应用性研究 | 第94-110页 |
| §5.1 填充函数法在多目标规划中的应用 | 第94-98页 |
| §5.1.1 求解一类凸多目标规划最小弱有效解的填充函数法 | 第94-96页 |
| §5.1.2 数值结果 | 第96-98页 |
| §5.2 基于填充函数法训练BP神经网络的车牌字符识别算法 | 第98-103页 |
| §5.2.1 BP神经网络存在的问题 | 第99-100页 |
| §5.2.2 基于填充函数法训练BP神经网络的车牌字符识别算法 | 第100-101页 |
| §5.2.3 仿真模拟测试 | 第101-102页 |
| §5.2.4 小结 | 第102-103页 |
| §5.3 基于填充函数法改进的人脸识别方法 | 第103-108页 |
| §5.3.1 ICP算法和BP神经网络存在的问题 | 第104-105页 |
| §5.3.2 基于填充函数法改进的ICP三维数据配准算法和人脸比对分类器 | 第105-106页 |
| §5.3.3 实验与结果分析 | 第106页 |
| §5.3.4 小结 | 第106-108页 |
| §5.4 利用全局优化填充函数的粒计算方法 | 第108-110页 |
| 结论 | 第110-111页 |
| 参考文献 | 第111-120页 |
| 作者攻读博士学位期间发表的论文 | 第120-122页 |
| 作者攻读博士学位期间参加的课题 | 第122-123页 |
| 致谢 | 第123页 |
