| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·群体智能 | 第11页 |
| ·群体智能优化算法 | 第11-13页 |
| ·群体智能优化算法特点 | 第11-12页 |
| ·不同群体智能优化算法共同点 | 第12-13页 |
| ·不同群体智能优化算法相似框架模式 | 第13页 |
| ·蜂群算法与神经网络结合及应用的研究现状 | 第13-15页 |
| ·本文的主要内容 | 第15-17页 |
| 第2章 ABC算法及在BP网络非线性系统辨识中应用 | 第17-35页 |
| ·引言 | 第17页 |
| ·ABC算法 | 第17-21页 |
| ·ABC算法的基本原理 | 第17-19页 |
| ·人工蜂群算法步骤 | 第19-21页 |
| ·ABC算法与神经网络结合 | 第21-23页 |
| ·BP神经网络的结构 | 第21页 |
| ·BP神经网络辨识原理 | 第21-22页 |
| ·LM算法 | 第22-23页 |
| ·ABC-LM算法训练BP网络 | 第23-24页 |
| ·基于ABC-LM算法的BP网络非线性系统辨识仿真 | 第24-32页 |
| ·仿真对比分析 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第3章 基于GAABC-LM算法的BP网络非线性系统辨识 | 第35-53页 |
| ·引言 | 第35页 |
| ·GA算法 | 第35-36页 |
| ·基于GA算法思想改进ABC算法 | 第36-40页 |
| ·改进的可行性 | 第36页 |
| ·理论分析 | 第36-38页 |
| ·平稳过程 | 第36-37页 |
| ·满足马氏过程判断 | 第37页 |
| ·收敛性判断 | 第37-38页 |
| ·GA算法改进ABC算法思路 | 第38-40页 |
| ·GA-ABC算法流程图 | 第40-41页 |
| ·GAABC-LM算法训练BP网络的步骤 | 第41-42页 |
| ·基于GAABC-算法的BP网络非线性系统辨识仿真 | 第42-48页 |
| ·仿真对比分析 | 第48-52页 |
| ·GAABC算法训练BP神经网络搜索初始值均方误差 | 第48-51页 |
| ·GAABC-LM算法训练BP网络的均方误差 | 第51-52页 |
| ·小结 | 第52-53页 |
| 第4章 基于MMABC-LM算法的BP网络非线性系统辨识 | 第53-67页 |
| ·引言 | 第53页 |
| ·Memetic算法的基本原理 | 第53-58页 |
| ·Memetic算法特点 | 第53-55页 |
| ·Memetic算法流程图 | 第55-56页 |
| ·MM-ABC算法 | 第56-58页 |
| ·MMABC-LM算法训练BP网络的步骤 | 第58-59页 |
| ·基于MMABC-LM算法的BP网络非线性系统辨识仿真 | 第59-62页 |
| ·仿真对比分析 | 第62-66页 |
| ·MMABC算法训练BP神经网络搜索初始值均方误差 | 第62-64页 |
| ·MMABC-LM算法训练BP网络的均方误差比较 | 第64-66页 |
| ·小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文 | 第73页 |
