| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 研究背景和意义 | 第8-13页 |
| 1.1.1 群智能算法 | 第8-10页 |
| 1.1.2 人工神经网络 | 第10-13页 |
| 1.2 果蝇优化算法研究现状 | 第13-17页 |
| 1.2.1 基本果蝇优化算法改进方法 | 第14-15页 |
| 1.2.2 基本果蝇优化算法应用 | 第15-17页 |
| 1.3 本文组织结构 | 第17-20页 |
| 第二章 基本果蝇优化算法及RBF神经网络 | 第20-28页 |
| 2.1 基本果蝇优化算法 | 第20-21页 |
| 2.1.1 算法原理 | 第20-21页 |
| 2.2 RBF神经网络结构及应用 | 第21-26页 |
| 2.2.1 RBF神经网络结构 | 第21-23页 |
| 2.2.2 RBF神经网络算法 | 第23-26页 |
| 2.2.3 RBF神经网络应用 | 第26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 改进果蝇优化算法 | 第28-44页 |
| 3.1 基于种群质心的果蝇优化算法CFOA | 第28-35页 |
| 3.1.1 CFOA算法原理 | 第28-29页 |
| 3.1.2 CFOA算法步骤 | 第29页 |
| 3.1.3 CFOA算法性能测试及分析 | 第29-35页 |
| 3.2 具有记忆的果蝇优化算法PFOA | 第35-42页 |
| 3.2.1 PFOA算法原理 | 第35-36页 |
| 3.2.2 PFOA算法步骤 | 第36-37页 |
| 3.2.3 PFOA算法性能测试及分析 | 第37-42页 |
| 3.3 本章小结 | 第42-44页 |
| 第四章 基于PFOA算法优化RBF神经网络在汽油辛烷值预测中的应用 | 第44-52页 |
| 4.1 径向基函数网络简介 | 第44-46页 |
| 4.2 基于PFOA算法优化RBF神经网络在汽油辛烷值预测中的应用 | 第46-50页 |
| 4.2.1 径向基函数网络的函数指令 | 第46页 |
| 4.2.2 PFOA优化RBF网络参数 | 第46页 |
| 4.2.3 汽油辛烷值预测方案及实现 | 第46-50页 |
| 4.3 本章小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 研究工作总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 攻读学位期间发表的学术论文目录 | 第60页 |