| 目 录 | 第1-5页 |
| 中文摘要 | 第5-7页 |
| 英文摘要 | 第7-9页 |
| 英文缩略语 | 第9-10页 |
| 第一部分 文献综述 | 第10-24页 |
| 中医方剂配伍研究的历史与现状 | 第10-22页 |
| 1 历史背景 | 第10-11页 |
| 2 近现代以前对配伍的认识 | 第11-15页 |
| ·方剂配伍的基本理论 | 第11-13页 |
| ·方剂配伍的实质性理论 | 第13-15页 |
| 3 近现代对配伍的研究 | 第15-19页 |
| ·理论研究 | 第16页 |
| ·临床研究 | 第16页 |
| ·实验研究 | 第16-19页 |
| 4 配伍研究与新药开发 | 第19-22页 |
| ·配伍现象 | 第19-20页 |
| ·复方特征 | 第20页 |
| ·复方新药开发的方法学 | 第20-21页 |
| ·复方新药开发中剂量配比优化的必要性 | 第21-22页 |
| 参考文献 | 第22-24页 |
| 第二部分 实现复方剂量配比优化的 ED-NM-MO 三联法 | 第24-110页 |
| 第一章 复方剂量配伍优化研究的背景 | 第24-29页 |
| 1 历史背景 | 第24-25页 |
| 2 核心竞争力 | 第25页 |
| 3 复方新药开发的两个核心环节和四个平台 | 第25-26页 |
| 4 复方剂量配比优化数学平台 | 第26-29页 |
| ·优化数学平台的必要性 | 第26-27页 |
| ·优化数学平台的特殊性 | 第27-29页 |
| 第二章 复方剂量配比优化研究的现有方法及问题 | 第29-44页 |
| 1 试验设计过程 | 第29-35页 |
| ·试验设计的定义及应用于中医的历史 | 第29-30页 |
| ·目前用于复方优化的试验设计方法 | 第30-35页 |
| 2 优化分析过程 | 第35-41页 |
| ·直观分析法 | 第35页 |
| ·根据数据建模并优化的方法 | 第35-41页 |
| 3 复方剂量配比优化方法的现存问题 | 第41-43页 |
| ·试验设计方法现存的问题 | 第41页 |
| ·优化分析方法现存的问题 | 第41-43页 |
| 4 小结 | 第43-44页 |
| 第三章 复方剂量配比非线性多目标优化的 ED-NM-MO 三联法 | 第44-60页 |
| 1 复方的特征 | 第44页 |
| 2 复方剂量配比非线性多目标优化的 ED-NM-MO 三联法 | 第44-54页 |
| ·试验设计 | 第44-46页 |
| ·非线性建模 | 第46-47页 |
| ·多目标优化 | 第47-53页 |
| ·评价选择 | 第53页 |
| ·ED-NM-MO 三联法总结 | 第53-54页 |
| 3 ED-NM-MO 三联法与现有的复方剂量配比优化方法的比较 | 第54-60页 |
| ·试验设计过程的比较 | 第57页 |
| ·优化分析过程的比较 | 第57-60页 |
| 第四章 非线性建模的径向基函数神经网络 | 第60-75页 |
| 1 人工神经网络简述 | 第60-67页 |
| ·历史 | 第60-61页 |
| ·生物学对人工神经网络的启示 | 第61页 |
| ·人工神经元模型 | 第61-64页 |
| ·人工神经网络的结构与相应功能 | 第64-65页 |
| ·人工神经网络的学习 | 第65-66页 |
| ·人工神经网络的基础功能 数学属性与特点 | 第66-67页 |
| 2 径向基函数神经网络 | 第67-75页 |
| ·径向基函数神经网络发展简述 | 第67页 |
| ·径向基函数神经网络的拓扑结构 | 第67-68页 |
| ·径向基函数神经网络的基本原理 | 第68-69页 |
| ·正规化理论 | 第69-70页 |
| ·径向基函数神经网络的学习 | 第70-75页 |
| 第五章 多目标优化的进化策略 | 第75-87页 |
| 1 进化计算 | 第75-76页 |
| ·进化计算简述 | 第75页 |
| ·进化计算的分类 | 第75-76页 |
| ·进化计算的基本思想 | 第76页 |
| 2 进化策略 | 第76-87页 |
| ·二元进化策略 | 第77-79页 |
| ·多元进化策略 | 第79-82页 |
| ·PAES | 第82-87页 |
| 第六章 基于 ED-NM-MO 三联法的丹参三七配比的多目标优化研究 | 第87-107页 |
| 1 丹参 三七配比优化的研究背景 | 第87页 |
| 2 MATLAB 环境下丹参三七配比的径向基函数神经网络非线性建模 | 第87-98页 |
| ·选择药效指标 | 第87页 |
| ·数据预处理 | 第87-88页 |
| ·网络结构设计与参数选择 | 第88页 |
| ·网络的训练与测试 | 第88-98页 |
| 3 C++环境下丹参三七配比模型的 PAES 多目标优化 | 第98-104页 |
| ·编程语言 | 第98-99页 |
| ·参数选择 | 第99页 |
| ·PARETO 最优集示意图 | 第99-102页 |
| ·PARETO 最优集 | 第102-103页 |
| ·PARETO 最优集归一化结果 | 第103-104页 |
| 4 结果讨论 | 第104-107页 |
| 总结与展望 | 第107-109页 |
| 附表 1 | 第109-110页 |
| 参考文献 | 第110-114页 |
| 致 谢 | 第114-116页 |
| 个人简历 | 第116页 |
