| 中文摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-21页 |
| ·引言 | 第12-13页 |
| ·非线性系统辨识算法概述 | 第13-18页 |
| ·Volterra 泛函级数 | 第13-14页 |
| ·NARMAX 模型 | 第14-15页 |
| ·人工神经网络 | 第15页 |
| ·模糊逻辑 | 第15-16页 |
| ·支持向量机 | 第16页 |
| ·遗传算法 | 第16-18页 |
| ·国内外研究动态 | 第18-19页 |
| ·GEP 进行系统辨识的优势 | 第19页 |
| ·本文的结构及所要完成的任务 | 第19-21页 |
| 第二章 基因表达式编程技术 | 第21-35页 |
| ·引言 | 第21页 |
| ·GEP 算法基本流程 | 第21-22页 |
| ·GEP 算法的基本概念 | 第22-27页 |
| ·函数和终止符 | 第22-24页 |
| ·终止符集 | 第22页 |
| ·函数集 | 第22-23页 |
| ·函数集和终止符集的选择 | 第23页 |
| ·选择权重 | 第23-24页 |
| ·GEP 中的表达式 | 第24页 |
| ·K-表达式 | 第24-25页 |
| ·GEP 染色体 | 第25-27页 |
| ·适应度函数 | 第27-28页 |
| ·遗传操作 | 第28-31页 |
| ·选择复制 | 第28-29页 |
| ·变异 | 第29页 |
| ·移项和插串 | 第29-30页 |
| ·重组 | 第30-31页 |
| ·常量处理 | 第31-33页 |
| ·应用举例 | 第33页 |
| ·GEP 相对于GP 的优势 | 第33-34页 |
| ·GEP 算法的发展 | 第34页 |
| ·小结 | 第34-35页 |
| 第三章 基于 GEP 的几类非线性系统辨识算法 | 第35-57页 |
| ·引言 | 第35页 |
| ·GEP 辨识方法的原理 | 第35-37页 |
| ·几种参数优化算法 | 第37-42页 |
| ·遗传算法 | 第37-39页 |
| ·模拟退火算法 | 第39-40页 |
| ·粒子群优化算法 | 第40-42页 |
| ·静态模型辨识 | 第42-46页 |
| ·常量抽取 | 第43页 |
| ·常量优化 | 第43页 |
| ·实验分析 | 第43-46页 |
| ·动态模型辨识 | 第46-56页 |
| ·时间序列预测模型 | 第47-50页 |
| ·问题描述 | 第48页 |
| ·适应度函数的定义 | 第48-49页 |
| ·GEP 编码方案 | 第49页 |
| ·实验分析 | 第49-50页 |
| ·Hammerstein 模型 | 第50-56页 |
| ·Hammerstein 模型 | 第50-52页 |
| ·基于GEP 的Hammerstein 模型辨识算法 | 第52-53页 |
| ·实验分析 | 第53-56页 |
| ·小结 | 第56-57页 |
| 第四章 基于 GEP 的 NARMAX 模型辨识算法 | 第57-80页 |
| ·引言 | 第57-58页 |
| ·NARMAX 模型 | 第58-60页 |
| ·多项式类NARMAX 模型 | 第58-59页 |
| ·扩展的NARMAX 模型 | 第59页 |
| ·有理分式类NARMAX 模型 | 第59-60页 |
| ·基于GEP 的NARMAX 模型辨识 | 第60-76页 |
| ·正交最小二乘算法 | 第60-62页 |
| ·适应度函数设计 | 第62-63页 |
| ·动态项生成方案 | 第63-64页 |
| ·多项式NARMAX 模型的GEP 表示方法 | 第64-66页 |
| ·GP 的多项式NARMAX 模型表示方法 | 第65页 |
| ·GEP 的多项式NARMAX 模型表示方法 | 第65-66页 |
| ·可变基因长度染色体方案 | 第66-68页 |
| ·参数估计和模型修剪操作 | 第68页 |
| ·扩展的NARMAX 模型GEP 表示方法 | 第68-69页 |
| ·有理分式类NARMAX 模型的GEP 表示方法 | 第69-71页 |
| ·实验分析 | 第71-76页 |
| ·多项式类NARMAX 模型仿真辨识实验 | 第71-73页 |
| ·变终止符集和定终止符集性能比较试验 | 第73-74页 |
| ·扩展的NARMAX 模型的仿真实验 | 第74-75页 |
| ·有理分式类NARMAX 模型的仿真实验 | 第75-76页 |
| ·MIMO 非线性模型的辨识算法 | 第76-78页 |
| ·基本方法 | 第77-78页 |
| ·实验分析 | 第78页 |
| ·收敛性分析 | 第78-79页 |
| ·小结 | 第79-80页 |
| 第五章 系统辨识中的多目标优化方案 | 第80-96页 |
| ·引言 | 第80页 |
| ·多目标优化基本概念 | 第80-83页 |
| ·多目标问题的定义 | 第80-81页 |
| ·适应度分配和精英保留策略 | 第81-83页 |
| ·用于系统辨识问题的多目标优化方案 | 第83-87页 |
| ·指标函数定义 | 第83-85页 |
| ·精度阈值和复杂度上限值的确认方法 | 第85-86页 |
| ·预定义方式 | 第85页 |
| ·自调整方式 | 第85-86页 |
| ·适应度分配策略 | 第86-87页 |
| ·实验分析 | 第87-94页 |
| ·实验一：简单的Wiener 模型 | 第87-90页 |
| ·实验二：Box-Jenkins 煤气炉数据 | 第90-92页 |
| ·实验三：钢球磨煤机仿真模型 | 第92-94页 |
| ·小结 | 第94-96页 |
| 第六章 总结与展望 | 第96-98页 |
| ·总结 | 第96-97页 |
| ·展望 | 第97-98页 |
| 参考文献 | 第98-105页 |
| 致谢 | 第105-106页 |
| 攻读博士学位期间发表的学术论文 | 第106-107页 |
| 攻读博士学位期间参加的科研工作 | 第107页 |