| 摘 要 | 第3-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第10-28页 |
| 1.1 课题来源 | 第10页 |
| 1.2 一般系统论发展及研究概况 | 第10-13页 |
| 1.3 灰色系统理论与灰色控制的发展概况 | 第13-19页 |
| 1.4 人工神经网络发展及研究概况 | 第19-25页 |
| 1.5 课题的目的和意义 | 第25-27页 |
| 1.6 本文的主要内容和结构 | 第27-28页 |
| 2 滞后系统的灰色预测及神经网络控制 | 第28-47页 |
| 2.1 基于SCGM预测模型的纯滞后伺服系统控制 | 第28-33页 |
| 2.2 不确定滞后系统的灰色预测及神经网络控制 | 第33-45页 |
| 2.3 小结 | 第45-47页 |
| 3 基于神经网络的一般动态系统建模 | 第47-65页 |
| 3.1 基于高阶动态神经网络的非线性动态系统建模 | 第47-56页 |
| 3.2 基于混合神经网络的一般动态系统建模 | 第56-64页 |
| 3.3 小结 | 第64-65页 |
| 4 趋势关联度应用研究 | 第65-81页 |
| 4.1 趋势关联度研究 | 第65-67页 |
| 4.2 基于趋势关联遗传算法中的非线性系统参数辨识 | 第67-73页 |
| 4.3 基于趋势关联的时间序列聚类分析 | 第73-80页 |
| 4.4 小结 | 第80-81页 |
| 5 灰色系统与神经网络融合研究 | 第81-104页 |
| 5.1 人工神经网络对灰色预测的补偿 | 第81-95页 |
| 5.2 SCGM(1,h)模型的神经网络建模及优化 | 第95-103页 |
| 5.3 小结 | 第103-104页 |
| 6 控制网络中的分布式优化计算 | 第104-121页 |
| 6.1 基于一般系统理论的寻优过程分解 | 第104-109页 |
| 6.2 分布式优化算法软件设计 | 第109-116页 |
| 6.3 控制网络中的并行遗传算法实现 | 第116-120页 |
| 6.4 小结 | 第120-121页 |
| 7 总结与展望 | 第121-124页 |
| 7.1 全文总结 | 第121-122页 |
| 7.2 研究展望 | 第122-124页 |
| 致 谢 | 第124-125页 |
| 参考文献 | 第125-136页 |
| 附录1 攻读博士学位期间发表的论文目录 | 第136页 |