| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 本课题的研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 BP神经网络研究现状 | 第11-13页 |
| 1.2.2 萤火虫群优化算法研究现状 | 第13-14页 |
| 1.3 本文的主要工作 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 相关理论概述 | 第16-29页 |
| 2.1 BP神经网络简介 | 第16-23页 |
| 2.1.1 BP神经网络原理 | 第16-17页 |
| 2.1.2 BP神经网络模型 | 第17-19页 |
| 2.1.3 BP神经网络处理流程 | 第19-21页 |
| 2.1.4 BP神经网络存在的不足 | 第21-23页 |
| 2.2 萤火虫群优化算法概述 | 第23-28页 |
| 2.2.1 萤火虫群优化算法思想 | 第23页 |
| 2.2.2 萤火虫群优化算法描述 | 第23-25页 |
| 2.2.3 萤火虫群优化算法实施流程 | 第25-26页 |
| 2.2.4 萤火虫群优化算法的参数问题 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 萤火虫群优化算法的改进研究 | 第29-42页 |
| 3.1 萤火虫群优化算法的不足 | 第29-30页 |
| 3.2 萤火虫群优化算法的改进 | 第30-34页 |
| 3.2.1 种群混沌变异机制 | 第30-31页 |
| 3.2.2 边界变异 | 第31页 |
| 3.2.3 HM-GSO算法描述 | 第31-32页 |
| 3.2.4 HM-GSO算法流程 | 第32-34页 |
| 3.3 仿真实验 | 第34-41页 |
| 3.3.1 实验测试函数 | 第34页 |
| 3.3.2 实验平台 | 第34-35页 |
| 3.3.3 实验参数 | 第35页 |
| 3.3.4 实验结果分析 | 第35-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 改进的萤火虫群算法优化BP神经网络 | 第42-49页 |
| 4.1 改进的萤火虫群算法优化BP神经网络的思想 | 第42-43页 |
| 4.2 HM-GSOBP算法的设计流程 | 第43-46页 |
| 4.2.1 萤火虫位置向量设计 | 第43页 |
| 4.2.2 流程设计 | 第43-46页 |
| 4.3 HM-GSO算法性能测试 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 HM-GSOBP算法在南宁市GDP预测中的应用 | 第49-59页 |
| 5.1 GDP预测问题描述 | 第49页 |
| 5.2 南宁市GDP预测模型的建立 | 第49-53页 |
| 5.2.1 学习样本的收集和预处理 | 第49-52页 |
| 5.2.2 BP神经网络结构的确定 | 第52-53页 |
| 5.3 南宁市GDP预测的实现 | 第53-58页 |
| 5.3.1 BP神经网络的训练 | 第53-56页 |
| 5.3.2 GDP预测结果与分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表的论文 | 第67页 |