| 摘要 | 第1-3页 |
| Abstract | 第3-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·混沌控制的研究内容及意义 | 第10-12页 |
| ·本文研究内容 | 第12-13页 |
| 第2章 混沌与混沌控制 | 第13-28页 |
| ·混沌的基本概念 | 第13-16页 |
| ·混沌控制的基本方法 | 第16-20页 |
| ·GANN混沌控制系统的工作原理及其特点 | 第20-24页 |
| ·GANN控制器的收敛性分析 | 第24-27页 |
| ·多层前馈网络的收敛性分析 | 第24-25页 |
| ·径向基函数神经网络的收敛性分析 | 第25页 |
| ·遗传算法的收敛性分析 | 第25-26页 |
| ·GANN系统的全局收敛性分析 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 遗传算法及其改进 | 第28-37页 |
| ·遗传算法的基本理论及其搜索策略 | 第28-31页 |
| ·遗传算法的改进 | 第31-32页 |
| ·一种群体规模可变的自适应遗传算法 | 第32-35页 |
| ·多峰函数求极值问题的实验仿真 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于多层前馈神经网络的GANN方法控制混沌 | 第37-47页 |
| ·多层前馈神经网络与反向传播学习算法 | 第37-40页 |
| ·MFF-GANN控制系统及其学习算法 | 第40-42页 |
| ·实验仿真结果与分析 | 第42-45页 |
| ·本章小结 | 第45-47页 |
| 第5章 基于RBF网络的GANN方法控制混沌 | 第47-66页 |
| ·径向基函数神经网络 | 第47-55页 |
| ·插值问题 | 第48-49页 |
| ·正规化问题 | 第49-53页 |
| ·正规化问题的逼近解及GRBF网络 | 第53-55页 |
| ·RBF神经网络的学习方法 | 第55-61页 |
| ·随机选取中心法(直接计算法) | 第55-56页 |
| ·自组织学习选取中心法 | 第56-57页 |
| ·有监督学习选取中心法 | 第57-58页 |
| ·正交最小二乘法选取中心 | 第58-61页 |
| ·RBF-GANN控制系统及其学习算法 | 第61-63页 |
| ·K-均值聚类法确定中心 | 第61-62页 |
| ·K-最小邻近值法确定宽度 | 第62页 |
| ·遗传算法产生输出权值矩阵 | 第62-63页 |
| ·仿真结果与分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第6章 结束语 | 第66-68页 |
| 参考文献 | 第68-77页 |
| 攻读硕士学位期间论文发表、项目研究的情况 | 第77-78页 |
| 致谢 | 第78页 |