| 中文摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-22页 |
| 第一节 问题的背景 | 第11-16页 |
| 一、优化问题 | 第11-12页 |
| 二、神经网络 | 第12-16页 |
| 第二节 优化问题神经网络方法综述 | 第16-20页 |
| 一、优化问题神经网络方法的研究进展 | 第16-19页 |
| 二、有待解决的问题 | 第19-20页 |
| 第三节 研究的目的 | 第20-22页 |
| 第二章 组合优化问题的神经网络方法 | 第22-47页 |
| 第一节 Hopfield 神经网络 | 第22-26页 |
| 一、Hopfield 网络描述 | 第22-24页 |
| 二、Hopfield 网络的学习过程 | 第24页 |
| 三、Hopfield 网络解TSP 问题 | 第24-26页 |
| 四、Hopfield 网络的优缺点 | 第26页 |
| 第二节 随机神经网络 | 第26-32页 |
| 一、随机神经网络描述 | 第26-27页 |
| 二、随机神经网络的标准算法 | 第27-28页 |
| 三、随机神经网络解TSP 问题 | 第28-32页 |
| 第三节 Hopfield 网络与DRNN 网络解TSP 问题的理论对比 | 第32-40页 |
| 一、对TSP 问题的描述 | 第32-34页 |
| 二、网络结构 | 第34页 |
| 三、能量函数和连接权值的设定 | 第34-36页 |
| 四、激活函数和反馈方程的作用 | 第36-38页 |
| 五、收敛条件 | 第38-39页 |
| 六、参数依赖性 | 第39-40页 |
| 第四节 实证分析 | 第40-47页 |
| 一、经典十城市TSP 问题 | 第40-44页 |
| 二、随机十城市TSP 问题 | 第44-46页 |
| 三、结论 | 第46-47页 |
| 第三章 证券组合优化问题的神经网络方法 | 第47-67页 |
| 第一节 证券组合理论 | 第47-54页 |
| 一、证券组合的预期回报和风险 | 第47-48页 |
| 二、证券组合分析 | 第48-50页 |
| 三、有效证券组合的解法 | 第50-53页 |
| 四、证券组合投资和神经网络的结合 | 第53-54页 |
| 第二节 径向基函数神经网络 | 第54-57页 |
| 一、RBF 网络描述 | 第54-56页 |
| 二、RBF 网络的学习过程 | 第56-57页 |
| 三、RBF 网络的函数逼近理论 | 第57页 |
| 四、基于RBF 网络的价格预测模型及变量选择 | 第57页 |
| 第三节 确定性模拟退火神经网络 | 第57-62页 |
| 一、模拟退火神经网络 | 第58-59页 |
| 二、确定性模拟退火神经网络的构造 | 第59-62页 |
| 第四节 实证分析 | 第62-67页 |
| 一、收益预测 | 第62-64页 |
| 二、市场模型中β的估计 | 第64-65页 |
| 三、有效证券组合的求解 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70页 |