| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·问题的提出 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文研究的主要内容、研究方法及技术路线 | 第12-13页 |
| ·论文研究的意义 | 第13-15页 |
| 2、相关理论基础 | 第15-24页 |
| ·神经网络 | 第15-22页 |
| ·人工神经网络概述 | 第15-16页 |
| ·Hopield神经网络概述 | 第16-21页 |
| ·Hopield神经网络稳定性(Hopield定理) | 第21页 |
| ·人工神经网络的应用 | 第21-22页 |
| ·组合优化问题 | 第22-24页 |
| ·组合优化问题概述 | 第22-23页 |
| ·解决组合优化问题的方法 | 第23-24页 |
| 3 模拟退火智能算法 | 第24-32页 |
| ·模拟退火算法 | 第24-26页 |
| ·物理退火过程与Metropolis准则 | 第24-25页 |
| ·模拟退火算法概述 | 第25-26页 |
| ·模拟退火算法的基本思想和步骤 | 第26-29页 |
| ·模拟退火算法的关键技术 | 第29-32页 |
| 4 基于Hopfield反馈网络的优化策略 | 第32-37页 |
| ·Hopfield反馈网络优化的原理 | 第32-34页 |
| ·离散Hopfield反馈网络优化的原理 | 第32-33页 |
| ·连续Hopfield反馈网络优化的原理 | 第33-34页 |
| ·基于Hopfield网络模型优化的一般流程 | 第34-35页 |
| ·基于Hopfield网络模型优化的缺陷 | 第35-37页 |
| 5 基于模拟退火算法的Hopfield网络的优化策略研究 | 第37-43页 |
| ·HNN—SA混合算法的分析与设计 | 第37-39页 |
| ·HNN—SA混合算法的实现流程 | 第39-42页 |
| ·基于模拟退火算法的连续Hopfield网络在组合优化中的应用研究 | 第42-43页 |
| 6. 改进的优化算法(HNN-SA)在组合优化中的案例分析 | 第43-47页 |
| ·旅行售货商问题(TSP)简介 | 第43-46页 |
| ·算例测试 | 第46-47页 |
| 结论 | 第47-49页 |
| 附录 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 作者简历 | 第53-55页 |
| 学位论文数据集 | 第55页 |
