遗传算法和神经网络在布局子问题中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| 1．1 布局问题的研究概况 | 第8-9页 |
| 1．1．1 布局问题的分类 | 第8页 |
| 1．1．2 布局问题的研究概况 | 第8-9页 |
| 1．2 遗传算法的发展 | 第9-10页 |
| 1．2．1 参数选择 | 第9-10页 |
| 1．2．2 遗传算子的改进及算法结构 | 第10页 |
| 1．2．3 与其他算法综合 | 第10页 |
| 1．3 神经网络研究概况 | 第10-11页 |
| 1．3．1 多层前馈神经网络 | 第10-11页 |
| 1．3．2 神经网络的特点及其应用前景 | 第11页 |
| 1．4 遗传算法和神经网络在布局问题中的应用 | 第11页 |
| 1．5 本文主要工作 | 第11-13页 |
| 2 布局问题 | 第13-20页 |
| 2．1 引言 | 第13页 |
| 2．2 布局优化子问题 | 第13-20页 |
| 2．2．1 矩形布局优化子问题 | 第13-15页 |
| 2．2．2 相邻图元与布局方案轨道的划分 | 第15-17页 |
| 2．2．3 不动点集及布局子问题 | 第17-20页 |
| 3 遗传算法及其在布局子问题中的应用 | 第20-41页 |
| 3．1 引言 | 第20页 |
| 3．2 遗传算法理论 | 第20-24页 |
| 3．2．1 生物学基础 | 第20页 |
| 3．2．2 简单遗传算法 | 第20-21页 |
| 3．2．3 模式定理 | 第21-22页 |
| 3．2．4 遗传算法设计 | 第22-24页 |
| 3．2．4．1 编码方法 | 第22页 |
| 3．2．4．2 选择机制 | 第22-23页 |
| 3．2．4．3 杂交和变异机制 | 第23页 |
| 3．2．4．4 变异 | 第23-24页 |
| 3．3 遗传算法的基础理论研究 | 第24-25页 |
| 3．4 遗传算法执行策略的改进 | 第25-29页 |
| 3．4．1 遗传算法与模拟退火算法的结合 | 第25-26页 |
| 3．4．2 遗传算法与局部优化方法结合 | 第26页 |
| 3．4．3 并行遗传算法 | 第26-27页 |
| 3．4．4 免疫遗传算法 | 第27-29页 |
| 3．5 遗传算法处理约束优化问题 | 第29-30页 |
| 3．6 同构布局等价类的改进遗传算法 | 第30-41页 |
| 3．6．1 同构不干涉布局优化算法 | 第30-31页 |
| 3．6．2 一些算子说明和定义 | 第31页 |
| 3．6．3 进化中的邻接关系 | 第31-32页 |
| 3．6．4 关于同构布局等价类的改进遗传算法 | 第32-34页 |
| 3．6．4．1 关于同构布局等价类的改进遗传算法 | 第32-33页 |
| 3．6．4．2 改进遗传算法的全局收敛性 | 第33-34页 |
| 3．6．5 数值实验 | 第34-41页 |
| 4 神经网络在布局优化子问题中的应用 | 第41-54页 |
| 4．1 神经网络发展概况 | 第41-42页 |
| 4．2 神经网络基本原理和学习算法 | 第42-44页 |
| 4．2．1 人工神经元模型 | 第42-43页 |
| 4．2．2 神经网络学习方式及学习规则 | 第43-44页 |
| 4．3 前馈网络和 BP算法 | 第44-49页 |
| 4．3．1 多层前馈神经网络及其函数逼近能力 | 第44-45页 |
| 4．3．2 BP算法 | 第45-49页 |
| 4．3．2．1 反向传播的基础 | 第45-46页 |
| 4．3．2．2 BP算法 | 第46-49页 |
| 4．4 布局子问题的改进遗传神经网络算法 | 第49-54页 |
| 4．4．1 布局优化子问题前向网络 | 第49-50页 |
| 4．4．2 神经网络结构的寻优 | 第50-51页 |
| 4．4．3 同构布局等价类中进行布局方案寻优 | 第51页 |
| 4．4．4 数值实验 | 第51-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |
| 大连理工大学学位论文版权使用授权书 | 第61页 |
