| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1. 绪论 | 第8-12页 |
| ·课题背景及研究现状 | 第8-9页 |
| ·研究目的 | 第9-10页 |
| ·研究内容 | 第10页 |
| ·研究意义 | 第10-12页 |
| 2. 优化算法概述 | 第12-18页 |
| ·最优化方法概述 | 第12页 |
| ·线性代数方程组 | 第12-13页 |
| ·定义 | 第12页 |
| ·对应的数学问题 | 第12-13页 |
| ·二次规划 | 第13-16页 |
| ·定义 | 第13页 |
| ·对应的数学问题 | 第13-14页 |
| ·解决方法 | 第14-16页 |
| ·非线性代数方程 | 第16页 |
| ·传统优化算法的缺点和改进思路 | 第16-18页 |
| 3. Hopfield 神经网络 | 第18-27页 |
| ·人工神经网络介绍 | 第18-20页 |
| ·发展历史回顾 | 第18-19页 |
| ·人工神经网络基础 | 第19-20页 |
| ·人工神经网络特点 | 第20页 |
| ·Hopfield 神经网络 | 第20-27页 |
| ·网络模型 | 第21页 |
| ·工作原理 | 第21-22页 |
| ·连续神经网络模型 | 第22-24页 |
| ·Lyapunov 函数 | 第24页 |
| ·Hopfield 网络设计原理及稳定性分析 | 第24-27页 |
| 4. 线性等式方程组的神经网络模型设计 | 第27-33页 |
| ·线性等式方程组的神经网络模型设计原理 | 第27-28页 |
| ·对应的离散系统设计及收敛性分析 | 第28-30页 |
| ·一个说明性的例子 | 第30-31页 |
| ·小结 | 第31-33页 |
| 5. 二次规划的神经网络模型设计 | 第33-44页 |
| ·实数系数二次规划设计 | 第33-36页 |
| ·利用拉格朗日乘子法设计Hopfield 神经网络模型 | 第33-34页 |
| ·利用QR 直交分解法设计Hopfield 神经网络 | 第34-36页 |
| ·对应的离散系统设计及收敛性分析 | 第36-37页 |
| ·拉格朗日乘子法设计的离散神经网络系统及其收敛性条件 | 第36-37页 |
| ·QR 直交分解法设计的离散神经网络系统及其收敛性条件 | 第37页 |
| ·一个说明性的事例 | 第37-42页 |
| ·小结 | 第42-44页 |
| 6. 一类扩展的神经网络模型介绍 | 第44-50页 |
| ·非线性代数方程组问题 | 第44页 |
| ·改进的神经网络优化模型 | 第44-46页 |
| ·网络模型的能量函数及稳定性分析 | 第46页 |
| ·应用举例 | 第46-49页 |
| ·小结 | 第49-50页 |
| 7. 总结与展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录：硕士研究生学习期间发表论文 | 第56-57页 |
| 致谢 | 第57-58页 |
