| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 第一章 绪言 | 第10-54页 |
| §1．1 遗传算法理论研究进展 | 第10-22页 |
| 1．1．1 生物进化算法分类 | 第10页 |
| 1．1．2 遗传算法的研究历史 | 第10-12页 |
| 1．1．3 遗传算法的理论研究概况 | 第12-18页 |
| 1．1．4 遗传算法的应用研究概况 | 第18-20页 |
| 1．1．5 遗传算法目前研究的主要课题 | 第20-21页 |
| 1．1．6 结论 | 第21-22页 |
| §1．2 遗传算法的基本原理 | 第22-31页 |
| 1．2．1 遗传算法的基本概念 | 第22-23页 |
| 1．2．2 遗传算法的基本结构 | 第23-26页 |
| 1．2．3 遗传算法的基本特征 | 第26-28页 |
| 1．2．4 遗传算法与其它搜索方法的比较 | 第28-29页 |
| 1．2．5 遗传算法的基本定理 | 第29-31页 |
| §1．3 遗传算法中若干问题的解决方案 | 第31-43页 |
| 1．3．1 编码（Coding） | 第31-34页 |
| 1．3．2 种群规模及初始种群的产生 | 第34-35页 |
| 1．3．3 适应度（Fitness）评估 | 第35-36页 |
| 1．3．4 选择算子（Selection Operator） | 第36-37页 |
| 1．3．5 交叉算子（Crossover Operator） | 第37-39页 |
| 1．3．6 变异算子（Mutation Operator） | 第39-40页 |
| 1．3．7 种群的更新 | 第40页 |
| 1．3．8 收敛性 | 第40-42页 |
| 1．3．9 性能评估 | 第42-43页 |
| §1．4 遗传算法在水问题中的应用 | 第43-45页 |
| §1．5 本文主要研究内容 | 第45-46页 |
| 本章参考文献 | 第46-54页 |
| 第二章 遗传算法全局搜索能力的研究及其在水问题的应用 | 第54-79页 |
| §2．1 一种可寻得全局最优解的新遗传变异算子 | 第54-64页 |
| 2．1．1 不成熟收敛的原因分析 | 第55页 |
| 2．1．2 对典型遗传算法CGA的改进 | 第55-56页 |
| 2．1．3 新变异算子的物理及数学解释 | 第56-58页 |
| 2．1．4 新变异算子中半径r的动态调整策略 | 第58-59页 |
| 2．1．5 新遗传算法在多峰函数优化问题方面的测试 | 第59-61页 |
| 2．1．6 新遗传算法在组合优化问题方面的测试 | 第61-64页 |
| §2．2 新型遗传算法在马斯京根模型参数优化估计中的应用 | 第64-67页 |
| 2．2．1 马斯京根模型简介 | 第64-65页 |
| 2．2．2 新遗传算法（NGA）对马斯京根模型参数的估计 | 第65-67页 |
| 2．2．3 结论 | 第67页 |
| §2．3 遗传算法搜索性能的再改进--MAGA的提出 | 第67-74页 |
| 2．3．1 MAGA算法原理 | 第67-70页 |
| 2．3．2 MAGA在函数优化中的应用 | 第70-74页 |
| §2．4 MAGA在洪灾危险性分析中的应用 | 第74-77页 |
| 2．4．1 单一重现期的暴雨强度公式描述 | 第74-75页 |
| 2．4．2 各种遗传算法优化实验结果 | 第75-77页 |
| 本章参考文献 | 第77-79页 |
| 第三章 遗传算法和神经网络的结合及其在水问题的应用 | 第79-110页 |
| §3．1 神经网络自动化设计现状和发展趋势 | 第79-91页 |
| 3．1．1 人工神经网络的系统设计 | 第79-81页 |
| 3．1．2 设计神经网络的方法 | 第81页 |
| 3．1．3 遗传算法在人工神经网络自动化设计中的应用 | 第81-90页 |
| 3．1．4 神经网络自动化设计的结论和前景展望 | 第90-91页 |
| §3．2 神经网络理论在水问题中的应用 | 第91-95页 |
| 3．2．1 在预测预报方面的研究 | 第91-93页 |
| 3．2．2 在优化问题方面的研究 | 第93-94页 |
| 3．2．3 神经网络与其它方法相结合在水问题的研究 | 第94页 |
| 3．2．4 神经网络在水问题应用中的局限性 | 第94-95页 |
| §3．3 遗传算法与神经网络结合的研究 | 第95-99页 |
| 3．3．1 BP网络结构及训练的缺陷 | 第95-97页 |
| 3．3．2 遗传算法对BP网络结构和权值的优化 | 第97-99页 |
| 3．3．3 遗传算法对BP网络结构和权值同时优化之结论 | 第99页 |
| §3．4 遗传算法与神经网络相结合及其在水问题的应用 | 第99-106页 |
| 3．4．1 洪灾对水稻的易损性分析 | 第99-104页 |
| 3．4．1．1 水稻洪灾易损性模型分析及数据准备 | 第99-100页 |
| 3．4．1．2 水稻洪灾易损性模型优化结果 | 第100-104页 |
| 3．4．2 岷江紫坪埔洪水预报的神经网络模型的研究 | 第104-105页 |
| 3．4．2．1 预报的数据资料 | 第104页 |
| 3．4．2．2 预报模型优化结果 | 第104-105页 |
| 3．4．3 结论 | 第105-106页 |
| 本章参考文献 | 第106-110页 |
| 第四章 论文工作总结与展望 | 第110-113页 |
| §4．1 本文工作总结 | 第110-111页 |
| §4．2 今后工作展望 | 第111-113页 |
| 致谢 | 第113页 |
