基于启发式遗传算法的GA-ANN-GA系统的设计与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及研究意义 | 第9-11页 |
| ·遗传算法的研究现状 | 第11-12页 |
| ·本文的主要研究内容 | 第12页 |
| ·本文结构 | 第12-14页 |
| 第二章 太空航行中的控制问题 | 第14-20页 |
| ·问题描述 | 第14页 |
| ·建立数学模型 | 第14-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 一般性遗传算法的研究 | 第20-29页 |
| ·遗传算法与传统最优化算法的比较 | 第20页 |
| ·对遗传算法过程的设计 | 第20-28页 |
| ·基因的编码方式 | 第22-24页 |
| ·基因的变异 | 第24-25页 |
| ·对基因交叉的研究 | 第25页 |
| ·选择算子比较与选取 | 第25-27页 |
| ·适应度评价算子的设计 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 启发式遗传算法的研究 | 第29-40页 |
| ·获得性遗传 | 第29页 |
| ·启发式搜索 | 第29-30页 |
| ·人工神经网络作为启发手段的可行性分析 | 第30-32页 |
| ·神经网络的设计 | 第32-38页 |
| ·人工神经网络的拓扑结构的设计 | 第32-34页 |
| ·人工神经网络的训练算法的设计 | 第34-35页 |
| ·测试GA－ANN模块 | 第35-38页 |
| ·使用训练完成的神经网络作为遗传算法的启发手段 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 系统实现及测试 | 第40-52页 |
| ·相关技术介绍 | 第40页 |
| ·Directx简介 | 第40页 |
| ·VC++6.0简介 | 第40页 |
| ·GA－ANN－GA模型 | 第40-42页 |
| ·提出GA－ANN－GA模型 | 第40-41页 |
| ·GA－ANN－GA模型的本质 | 第41-42页 |
| ·MVC模式 | 第42-44页 |
| ·实验步骤及结果 | 第44-50页 |
| ·本章小结 | 第50-52页 |
| 总结 | 第52-54页 |
| 适应度函数的不足与展望 | 第52页 |
| 神经网络模块的不足与展望 | 第52-53页 |
| GA－ANN－GA模块的不足与展望 | 第53页 |
| 进一步提高系统的可扩充性和可移植性 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
