| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国内外改进研究现状 | 第10-11页 |
| 1.2.2 国内外应用研究现状 | 第11-13页 |
| 1.3 主要研究工作 | 第13页 |
| 1.4 论文结构 | 第13-15页 |
| 2 标准萤火虫算法 | 第15-21页 |
| 2.1 仿生学原理 | 第15页 |
| 2.2 主要思想 | 第15-16页 |
| 2.3 数学描述 | 第16-17页 |
| 2.4 算法流程 | 第17-19页 |
| 2.5 本章小结 | 第19-21页 |
| 3 基于混沌映射的自适应萤火虫算法 | 第21-33页 |
| 3.1 引言 | 第21页 |
| 3.2 基于Tent混沌映射的自适应萤火虫算法 | 第21-26页 |
| 3.2.1 混沌映射 | 第21-23页 |
| 3.2.2 自适应混沌搜索 | 第23-24页 |
| 3.2.3 锦标赛选择策略 | 第24页 |
| 3.2.4 自适应步长 | 第24页 |
| 3.2.5 基于Tent混沌映射的自适应萤火虫算法 | 第24-26页 |
| 3.3 仿真实验与结果分析 | 第26-30页 |
| 3.3.1 测试函数与实验环境 | 第26-27页 |
| 3.3.2 参数设置 | 第27页 |
| 3.3.3 实验结果及分析 | 第27-30页 |
| 3.4 本章小结 | 第30-33页 |
| 4 改进算法在实际金融问题中的应用 | 第33-43页 |
| 4.1 引言 | 第33-34页 |
| 4.2 FA-BP神经网络 | 第34-36页 |
| 4.2.1 BP神经网络 | 第34-36页 |
| 4.2.2 FA-BP神经网络 | 第36页 |
| 4.3 SATC-FA-BP神经网络 | 第36-38页 |
| 4.3.1 个体编码 | 第36-37页 |
| 4.3.2 评价标准 | 第37页 |
| 4.3.3 算法实现的基本步骤 | 第37-38页 |
| 4.4 仿真实验与结果分析 | 第38-41页 |
| 4.4.1 样本数据的准备 | 第38页 |
| 4.4.2 网络结构的设计 | 第38-39页 |
| 4.4.3 仿真实验及结果分析 | 第39-41页 |
| 4.5 结束语 | 第41-43页 |
| 5 总结与展望 | 第43-45页 |
| 5.1 全文总结 | 第43页 |
| 5.2 研究展望 | 第43-45页 |
| 参考文献 | 第45-53页 |
| 作者攻读学位期间发表学术论文清单 | 第53-55页 |
| 致谢 | 第55页 |