| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文创新点 | 第12页 |
| 1.4 论文的结构 | 第12-14页 |
| 第二章 人工蜂群算法 | 第14-20页 |
| 2.1 人工蜂群算法起源及思想 | 第14-15页 |
| 2.2 人工蜂群算法的基本原理 | 第15-18页 |
| 2.2.1 算法结构 | 第15-16页 |
| 2.2.2 蜜源的选择 | 第16-18页 |
| 2.3 人工蜂群算法的流程 | 第18-19页 |
| 2.4 ABC算法参数 | 第19-20页 |
| 第三章 人工蜂群算法适应度函数的分析及其改进 | 第20-26页 |
| 3.1 适应度函数分析 | 第20-23页 |
| 3.2 改进的指数适应度函数 | 第23-24页 |
| 3.3 改进适应度函数的测试 | 第24-26页 |
| 第四章 自适应控制搜索邻域的蜂群算法 | 第26-49页 |
| 4.1 改进的蜜源更新公式 | 第26-27页 |
| 4.2 ACSABC算法的计算流程 | 第27-28页 |
| 4.3 复杂多极值函数的优化测试 | 第28-40页 |
| 4.3.1 多极值函数的优化测试 | 第35-37页 |
| 4.3.2 仿真测试的结果分析 | 第37-40页 |
| 4.4 基于ACSABC算法的神经网络优化训练及其应用 | 第40-49页 |
| 4.4.1 仿真测试的结果分析 | 第40-43页 |
| 4.4.2 基于ACSABC算法训练的神经网络的应用 | 第43-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 全文总结 | 第49-50页 |
| 5.2 未来的研究展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 发表论文及科研情况 | 第55页 |