| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·选题背景与研究意义 | 第8-9页 |
| ·国内外的研究现状 | 第9-10页 |
| ·本文的研究内容与结构安排 | 第10-12页 |
| 第二章 粒子群算法与 Hooke - Jeeves 算法 | 第12-21页 |
| ·粒子群算法 | 第12-17页 |
| ·粒子群算法的原理 | 第12-13页 |
| ·粒子群算法的收敛性分析 | 第13-14页 |
| ·常见的改进的粒子群算法 | 第14-16页 |
| 2 .1.4 粒子群算法与其他智能算法的比较 | 第16-17页 |
| ·Hooke - Jeeves 模式搜索法 | 第17-20页 |
| ·Hooke - Jeeves 算法简介 | 第17页 |
| ·Hooke - Jeeves 算法分析 | 第17-19页 |
| ·Hooke - Jeeves 算法的基本流程 | 第19页 |
| ·Hooke - Jeeves 算法的应用 | 第19-20页 |
| ·Hooke - Jeeves 粒子群优化算法 | 第20-21页 |
| 第三章 混合优化学习策略的 HJPSO 算法 | 第21-30页 |
| ·引言 | 第21页 |
| ·混合优化的学习策略 | 第21-22页 |
| ·混合优化学习策略的 H JP S O 算法 | 第22-23页 |
| ·算法仿真实验及其分析 | 第23-30页 |
| ·标准基准测试函数 | 第23-24页 |
| ·算法实验参数设置 | 第24-25页 |
| ·算法实验结果及分析 | 第25-30页 |
| 第四章 改进的粒子群优化算法在 BP 神经网络中的应用 | 第30-51页 |
| ·引言 | 第30页 |
| ·人工神经网络原理 | 第30-33页 |
| ·神经元的模型 | 第30-31页 |
| ·人工神经网络学习 | 第31-33页 |
| ·基于 BP 算法的多层前馈网络模型 | 第33-37页 |
| ·BP 算法及其学习规则 | 第33-35页 |
| ·BP 神经网络及其设计 | 第35-37页 |
| ·BP 神经网络的优缺点 | 第37页 |
| ·IMPSO 算法优化的 BP 神经网络 | 第37-39页 |
| ·IMPSO - BP 算法在人工神经网络中的应用 | 第39-51页 |
| ·IMPSO - BP 算法在齿轮热处理预测中的实现 | 第39-43页 |
| ·IMPSO - BP 算法在柴油机故障诊断中的实现 | 第43-51页 |
| 第五章 本文总结与工作展望 | 第51-53页 |
| ·本文总结 | 第51-52页 |
| ·工作展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 研究生期间发表论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |
