| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-17页 |
| ·引言 | 第7页 |
| ·神经网络算法的起源和研究意义 | 第7-12页 |
| ·人脑与神经网络的起源 | 第7-9页 |
| ·神经网络的研究意义 | 第9-10页 |
| ·神经网络的原理及结构 | 第10-11页 |
| ·人工神经元建模 | 第11-12页 |
| ·神经网络的发展现状 | 第12页 |
| ·群体智能算法简介 | 第12-17页 |
| ·生命和智能 | 第12-13页 |
| ·优化问题概述 | 第13页 |
| ·群体行为及群体智能算法 | 第13-14页 |
| ·群体智能算法的基本特征 | 第14-15页 |
| ·群体智能算法的原理及其发展现状 | 第15-17页 |
| 第二章 神经网络算法 | 第17-26页 |
| ·神经网络学习 | 第17-18页 |
| ·激励函数 | 第18-19页 |
| ·网络拓补结构类型 | 第19页 |
| ·层次型结构 | 第19页 |
| ·互连型结构 | 第19页 |
| ·感知器神经网络 | 第19-21页 |
| ·单层感知器 | 第20页 |
| ·感知器学习算法 | 第20页 |
| ·多层感知器 | 第20-21页 |
| ·BP 神经网络 | 第21-22页 |
| ·RBF 神经网络 | 第22-23页 |
| ·神经网络在微生物发酵工程中的应用 | 第23-26页 |
| 第三章 群体智能算法 | 第26-45页 |
| ·ACO 算法 | 第26页 |
| ·PSO 算法 | 第26-27页 |
| ·QPSO 算法 | 第27-29页 |
| ·一种改进的QPSO 算法——混合搜索量子粒子群算法 | 第29-36页 |
| ·混沌搜索 | 第29-30页 |
| ·混合搜索量子粒子群算法 | 第30-31页 |
| ·仿真实验 | 第31-36页 |
| ·对混合搜索量子粒子群算法的改进 | 第36-45页 |
| 第四章 计算智能集成方法 | 第45-53页 |
| ·问题的提出 | 第45-47页 |
| ·解决方案一：RBF 网络+QPSO 算法或RBF 网络+HSQPSO 算法 | 第47页 |
| ·解决方案二：遗传规划算法+HSQPSO 算法 | 第47-48页 |
| ·两种解决方法的比较 | 第48-52页 |
| ·对本章内容的思考 | 第52-53页 |
| 第五章 总结与展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |