| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-11页 |
| ·课题来源及背景 | 第8页 |
| ·研究目的及意义 | 第8-9页 |
| ·国内外研究现状 | 第9页 |
| ·论文组织结构 | 第9-10页 |
| ·本章小结 | 第10-11页 |
| 2 相关工作研究 | 第11-18页 |
| ·神经网络 | 第11-12页 |
| ·粒子群算法 | 第12-15页 |
| ·粒子群算法的原理 | 第12-13页 |
| ·粒子群算法标准流程 | 第13-14页 |
| ·标准粒子群算法的局限性分析 | 第14-15页 |
| ·标准测试函数 | 第15-16页 |
| ·ABC分类管理方法 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 基于改进粒子群算法优化BP神经网络 | 第18-28页 |
| ·传统BP神经网络算法分析 | 第18-22页 |
| ·标准BP神经网络算法 | 第18-19页 |
| ·标准BP算法的局限性 | 第19-20页 |
| ·BP神经网络的改进方法 | 第20-22页 |
| ·改进粒子群算法 | 第22-26页 |
| ·基于惯性权重的线性调整和学习因子的动态调整改进粒子群算法 | 第22-23页 |
| ·IPSO算法流程 | 第23-25页 |
| ·使用标准测试函数测试IPSO算法 | 第25-26页 |
| ·基于IPOS优化BP网络 | 第26-27页 |
| ·粒子群算法优化BP神经网络的方法 | 第26页 |
| ·IPSO优化BP神经网络的步骤和流程图 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 4 基于IPSO改进的BP算法在采购周期优化中的应用 | 第28-36页 |
| ·影响采购周期的因素 | 第28-29页 |
| ·采购周期优化模型的建立 | 第29-35页 |
| ·输入数据的预处理方式 | 第29-30页 |
| ·BP神经网络层数的确定 | 第30-31页 |
| ·各层神经元个数和各参数的确定 | 第31-33页 |
| ·采购周期优化的实现及结果分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 5 采购周期优化系统的分析与设计 | 第36-45页 |
| ·系统的需求分析与设计 | 第36-41页 |
| ·系统需求分析 | 第36页 |
| ·系统总体架构 | 第36-37页 |
| ·系统功能设计 | 第37-38页 |
| ·系统数据库设计 | 第38-41页 |
| ·系统各模块成果展现与分析 | 第41-44页 |
| ·原料库存统计分析 | 第41-43页 |
| ·采购数据统计分析 | 第43-44页 |
| ·采购周期优化 | 第44页 |
| ·本章小结 | 第44-45页 |
| 6 总结和展望 | 第45-46页 |
| ·总结 | 第45页 |
| ·展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 申请学位期间的研究成果及发表的学术论文 | 第49-50页 |
| 致谢 | 第50页 |