| 第一章 引言 | 第1-10页 |
| 第二章 遗传算法理论 | 第10-17页 |
| 2．1 遗传算法的基本概念 | 第10-11页 |
| 2．2 标准遗传算法 | 第11-13页 |
| 2．2．1 标准遗传算法的基本流程 | 第11页 |
| 2．2．2 标准遗传算法的要素 | 第11-13页 |
| 2．3 遗传算法的基本原理 | 第13-14页 |
| 2．3．1 模式定理 | 第13-14页 |
| 2．3．2 积木块假设 | 第14页 |
| 2．4 遗传算法性能评估方法 | 第14页 |
| 2．5 遗传算法的特点 | 第14-17页 |
| 2．5．1 传统搜索算法 | 第15页 |
| 2．5．2 遗传算法的特点 | 第15-17页 |
| 第三章 遗传算法的研究现状 | 第17-25页 |
| 3．1 遗传算法的理论研究现状 | 第17-18页 |
| 3．1．1 遗传算法的理论基础、数学模型 | 第17-18页 |
| 3．1．2 混合遗传算法（HGA，hybrid GA）研究 | 第18页 |
| 3．1．3 遗传算法的并行化 | 第18页 |
| 3．1．4 借鉴自然现象提出新的算法模型 | 第18页 |
| 3．2 遗传算法改进研究的现状 | 第18-23页 |
| 3．2．1 对编码机制的改进 | 第18-20页 |
| 3．2．2 对群体初始化的改进 | 第20页 |
| 3．2．3 适应度函数定标（scaling） | 第20-21页 |
| 3．2．4 对遗传操作的改进 | 第21-23页 |
| 3．2．5 遗传参数的设定的改进 | 第23页 |
| 3．2．6 对遗传算法群体构成策略的改进 | 第23页 |
| 3．3 遗传算法的应用研究现状 | 第23-25页 |
| 第四章 改进遗传算法 | 第25-41页 |
| 4．1 改进遗传算法原理 | 第25-29页 |
| 4．1．1 问题的引出 | 第25页 |
| 4．1．2 改进算法（IGA）基本思路 | 第25-27页 |
| 4．1．3 改进算法步骤和流程框图 | 第27-29页 |
| 4．2 改进算法试验结果及分析 | 第29-39页 |
| 4．2．1 实验函数 | 第29-31页 |
| 4．2．2 改进算法各个操作策略的必要性 | 第31-34页 |
| 4．2．3 SGA、保留最佳个体法、改进算法性能试验结果比较 | 第34-38页 |
| 4．2．4 改进算法与文献[29][35]算法的性能比较 | 第38-39页 |
| 4．3 改进算法分析 | 第39-40页 |
| 4．4 结论 | 第40-41页 |
| 第五章 遗传算法在形状分析中的应用 | 第41-49页 |
| 5．1 句法模式识别 | 第41-42页 |
| 5．2 形状分析 | 第42-43页 |
| 5．2．1 形状分析的基本概念 | 第42页 |
| 5．2．2 形状分析方法的分类 | 第42-43页 |
| 5．3 改进遗传算法在形状分析中的应用 | 第43-46页 |
| 5．3．1 遗传算法在形状分析中的应用 | 第43-44页 |
| 5．3．2 改进遗传算法在形状分析中的应用 | 第44-46页 |
| 5．4 改进遗传算法的基元检测试验结果及结论 | 第46-49页 |
| 5．4．1 试验结果 | 第46-47页 |
| 5．4．2 结论 | 第47-49页 |
| 第六章 小结 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54页 |
