| 论文创新点 | 第5-12页 |
| 摘要 | 第12-14页 |
| ABSTRACT | 第14-16页 |
| 第1章 绪论 | 第17-39页 |
| 1.1 研究背景 | 第17-19页 |
| 1.2 包匹配问题的描述 | 第19-21页 |
| 1.3 包匹配算法的研究进展 | 第21-35页 |
| 1.3.1 穷举搜索类 | 第22-24页 |
| 1.3.2 分解的包匹配算法 | 第24-28页 |
| 1.3.3 决策树的包匹配算法 | 第28-33页 |
| 1.3.4 元组空间包匹配算法 | 第33-35页 |
| 1.3.5 智能算法 | 第35页 |
| 1.4 包匹配算法的评价 | 第35-37页 |
| 1.5 本文的组织结构 | 第37-39页 |
| 第2章 差分演化算法运用于包匹配 | 第39-57页 |
| 2.1 引言 | 第39-40页 |
| 2.2 算法的基本思想 | 第40-47页 |
| 2.3 算法设计 | 第47-49页 |
| 2.4 算法分析 | 第49-50页 |
| 2.4.1 时间复杂性分析 | 第49页 |
| 2.4.2 空间复杂性分析 | 第49-50页 |
| 2.4.3 被映射点的分布性分析 | 第50页 |
| 2.5 数值实验 | 第50-56页 |
| 2.6 总结 | 第56-57页 |
| 第3章 结合演化算法和神经网络的包匹配算法 | 第57-79页 |
| 3.1 引言 | 第57-58页 |
| 3.2 算法融合的基本思想 | 第58-68页 |
| 3.2.1 运用演化算法进行特征选择 | 第58-60页 |
| 3.2.2 对规则库中的规则进行精简 | 第60-61页 |
| 3.2.3 差分演化算法和神经网络融合 | 第61-62页 |
| 3.2.4 运用差分演化算法对ANN的权重、激励函数等进行设置 | 第62-67页 |
| 3.2.5 对隐层神经元数目进行精简 | 第67页 |
| 3.2.6 运用BP对ANN结构进行微调 | 第67-68页 |
| 3.3 算法设计 | 第68-70页 |
| 3.4 算法分析 | 第70页 |
| 3.5 数值实验和结果 | 第70-76页 |
| 3.6 结果分析 | 第76-77页 |
| 3.7 总结 | 第77-79页 |
| 第4章 运用差分演化算法实现包匹配多层核心基的提取 | 第79-95页 |
| 4.1 引言 | 第79页 |
| 4.2 相关工作 | 第79-80页 |
| 4.3 多层基础基的提取 | 第80-88页 |
| 4.3.1 基本思想 | 第80-82页 |
| 4.3.2 差分演化算法 | 第82-87页 |
| 4.3.3 算法框架 | 第87-88页 |
| 4.3.4 性能分析 | 第88页 |
| 4.4 数值实验和分析 | 第88-94页 |
| 4.5 总结 | 第94-95页 |
| 第5章 改进的化学反应元启发式优化算法运用于包的匹配 | 第95-113页 |
| 5.1 引言 | 第95-96页 |
| 5.2 基本思想 | 第96-103页 |
| 5.2.1 CRO的基本思想 | 第96-102页 |
| 5.2.2 CRO中参数的动态调整 | 第102-103页 |
| 5.3 数值实验 | 第103-111页 |
| 5.4 总结 | 第111-113页 |
| 第6章 总结与展望 | 第113-117页 |
| 6.1 总结 | 第113-114页 |
| 6.2 研究展望 | 第114-117页 |
| 参考文献 | 第117-129页 |
| 攻读博士学位期间的主要科研成果 | 第129-131页 |
| 致谢 | 第131页 |
