| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题的背景及研究意义 | 第7页 |
| ·多目标优化问题的相关概念 | 第7-11页 |
| ·多目标优化问题的定义 | 第7页 |
| ·Pareto 解的概念 | 第7-9页 |
| ·传统多目标优化方法 | 第9-11页 |
| ·基于遗传算法的多目标寻优策略的发展 | 第11-12页 |
| ·课题研究的基本思想和内容安排 | 第12-15页 |
| ·课题研究的基本思想 | 第12页 |
| ·论文的内容安排 | 第12-15页 |
| 第二章 基于遗传算法的多目标寻优策略 | 第15-29页 |
| ·遗传算法 | 第15-21页 |
| ·遗传算法的产生与发展 | 第15-16页 |
| ·遗传算法的一般流程 | 第16-20页 |
| ·遗传算法的基本操作 | 第20-21页 |
| ·非支配排序遗传算法(NSGA) | 第21-23页 |
| ·非支配排序原理 | 第21页 |
| ·共享小生境技术 | 第21-22页 |
| ·NSGA 的工作流程 | 第22-23页 |
| ·带精英策略的非支配排序遗传算法(NSGA-Ⅱ) | 第23-28页 |
| ·快速非支配排序法 | 第24-25页 |
| ·拥挤度比较算子 | 第25-26页 |
| ·精英策略 | 第26-27页 |
| ·NSGA-Ⅱ的算法流程 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 NSGA-Ⅱ算法在BP 神经网络中的应用 | 第29-47页 |
| ·BP 神经网络 | 第29-32页 |
| ·BP 神经网络原理 | 第29-32页 |
| ·BP 神经网络训练中存在的不足 | 第32页 |
| ·NSGA-Ⅱ优化BP 神经网络的算法实现 | 第32-40页 |
| ·NSGA-Ⅱ＆BP 算法设计及流程 | 第33-34页 |
| ·数值实验设计及仿真结果 | 第34-40页 |
| ·基于NSGA-Ⅱ＆BP 算法的青霉素发酵过程建模 | 第40-46页 |
| ·青霉素发酵过程简介 | 第40-41页 |
| ·传统的BP 神经网络建模 | 第41-42页 |
| ·结合NSGA-II 算法的BP 神经网络建模 | 第42-43页 |
| ·检验预测误差和数据比较分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于NSGA-Ⅱ算法的SVM 参数优化方法 | 第47-57页 |
| ·支持向量机简介 | 第47-51页 |
| ·支持向量机原理 | 第47-49页 |
| ·支持向量机的特点 | 第49-50页 |
| ·传统的SVM 参数选择方法 | 第50-51页 |
| ·运用NSGA-Ⅱ优化SVM 参数的步骤 | 第51-53页 |
| ·编码方式及编码区间的确定 | 第51-52页 |
| ·确定目标函数 | 第52页 |
| ·NSGA-II 优化SVM 参数的流程设计 | 第52-53页 |
| ·基于NSGA-II＆SVM 算法的青霉素发酵过程建模 | 第53-56页 |
| ·基于SVM 的青霉素发酵过程模型的建立 | 第53页 |
| ·NSGA-II 优化调整SVM 建模参数 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·论文工作总结 | 第57-58页 |
| ·研究展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第65页 |
