| 第一章 绪论 | 第1-9页 |
| 第二章 遗传算法介绍 | 第9-20页 |
| 2．1 历史 | 第9-10页 |
| 2．2 遗传算法实现技术 | 第10-20页 |
| 2．2．1 遗传算法伪代码和流程图 | 第11-12页 |
| 2．2．2 编码(Encoding) | 第12-14页 |
| 2．2．3 选择(Selection) | 第14-15页 |
| 2．2．4 交叉 | 第15-17页 |
| 2．2．5 变异 | 第17-20页 |
| 第三章 遗传算法的改进 | 第20-29页 |
| 3．1 算法参数的选择 | 第20-23页 |
| 3．1．1 变异率(Mutation Rate) | 第20-21页 |
| 3．1．2 交叉率(Crossover Rate) | 第21页 |
| 3．1．3 种群大小(Population Size) | 第21-22页 |
| 3．1．4 参数自适应(Adaptive) | 第22-23页 |
| 3．2 选择算子的改进 | 第23-25页 |
| 3．2．1 动机 | 第23-24页 |
| 3．2．2 生物学背景 | 第24页 |
| 3．2．3 配偶选择(Mating Selection) | 第24-25页 |
| 3．3 协同进化(Symbiotic Evolution) | 第25-26页 |
| 3．3．1 协同进化原理 | 第25-26页 |
| 3．4 结合适应度与多样性的遗传算法 | 第26-29页 |
| 3．4．1 个体之间差异的定义 | 第26页 |
| 3．4．2 个体的多样性的定义 | 第26-27页 |
| 3．4．3 个体被选中概率的定义 | 第27页 |
| 3．4．4 输出局部最优解的算法 | 第27-28页 |
| 3．4．5 改进遗传算法伪代码 | 第28-29页 |
| 第四章 试验测试 | 第29-37页 |
| 4．1 试验使用的遗传算法 | 第29页 |
| 4．2 测试函数 | 第29-31页 |
| 4．3 测试结果 | 第31-36页 |
| 4．4 结论 | 第36-37页 |
| 第五章 遗传算法在入侵检测系统(IDS)中的应用 | 第37-56页 |
| 5．1 入侵检测系统介绍 | 第37-41页 |
| 5．1．1 入侵检测系统的定义 | 第37页 |
| 5．1．2 入侵检测系统的必要性 | 第37-38页 |
| 5．1．3 入侵检测系统的分类 | 第38-41页 |
| 5．2 遗传算法在入侵检测系统中的应用 | 第41-47页 |
| 5．2．1 回顾 | 第41-42页 |
| 5．2．2 概述 | 第42-43页 |
| 5．2．3 编码 | 第43-45页 |
| 5．2．4 染色体适应度值的定义 | 第45-46页 |
| 5．2．5 选择 | 第46页 |
| 5．2．6 交叉与变异 | 第46-47页 |
| 5．3 使用遗传算法的入侵检测系统的体系结构 | 第47页 |
| 5．4 未来的工作 | 第47-56页 |
| 参考文献 | 第56-58页 |
| 发表论文和科研情况说明 | 第58-59页 |
| 致谢 | 第59页 |
