| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 绪论 | 第10-17页 |
| 1．1 引言 | 第10-11页 |
| 1．2 遗传算法的研究现状 | 第11-13页 |
| 1．3 神经网络技术的发展历史及研究现状 | 第13-15页 |
| 1．3．1 启蒙时期 | 第13-14页 |
| 1．3．2 低潮时期 | 第14页 |
| 1．3．3 复兴期 | 第14页 |
| 1．3．4 新时期 | 第14-15页 |
| 1．4 火炸药产品药剂量辨识的研究现状 | 第15-17页 |
| 2 遗传算法基本原理及参数设计技术 | 第17-26页 |
| 2．1 基本遗传算法 | 第17-18页 |
| 2．1．1 遗传算法基本思想 | 第17页 |
| 2．1．2 基本遗传算法 | 第17-18页 |
| 2．2 遗传算法的数学基础 | 第18-21页 |
| 2．2．1 模式定理 | 第18-20页 |
| 2．2．2 积木块假设 | 第20-21页 |
| 2．3 遗传算法参数设计技术 | 第21-24页 |
| 2．3．1 编码技术 | 第21页 |
| 2．3．2 初始群体设定 | 第21-22页 |
| 2．3．3 适应度函数 | 第22页 |
| 2．3．4 遗传操作 | 第22-24页 |
| 2．4 遗传算法改进技术 | 第24-26页 |
| 2．4．1 分层遗传算法 | 第24页 |
| 2．4．2 自适应遗传算法 | 第24-26页 |
| 3 神经网络的基本原理及算法分析 | 第26-39页 |
| 3．1 神经网络的特点 | 第26-27页 |
| 3．2 人工神经网络 | 第27-29页 |
| 3．2．1 人工神经网络的一般框架 | 第27页 |
| 3．2．2 人工神经元模型 | 第27-29页 |
| 3．3 反向传播网络 | 第29-39页 |
| 3．3．1 反传网络的拓扑结构 | 第29页 |
| 3．3．2 反传网络的输入及其归一化 | 第29-30页 |
| 3．3．3 反传网络的前馈算法 | 第30-32页 |
| 3．3．4 反传网络的训练算法 | 第32-39页 |
| 4 火炸药产品药剂特性实验研究 | 第39-46页 |
| 4．1 实验条件 | 第39页 |
| 4．1．1 实验材料 | 第39页 |
| 4．1．2 主要实验仪器及实验条件 | 第39页 |
| 4．2 实验原理及方法 | 第39-40页 |
| 4．2．1 实验原理 | 第39页 |
| 4．2．2 实验方法 | 第39-40页 |
| 4．3 实验数据分析及实验结果 | 第40-45页 |
| 4．3．1 特性曲线总体变化趋势实验 | 第40-42页 |
| 4．3．2 不同质量药剂的特性曲线明显非线性压力段实验 | 第42-45页 |
| 4．4 结论 | 第45-46页 |
| 5 基于遗传算法神经网络的药剂量辨识研究 | 第46-61页 |
| 5．1 火工品自动药剂量辨识问题描述 | 第46-49页 |
| 5．2 遗传算法参数设计 | 第49-52页 |
| 5．2．1 编码方案确定 | 第49页 |
| 5．2．2 初始化种群组（解空间）的构成 | 第49-50页 |
| 5．2．3 适应度函数的确定 | 第50页 |
| 5．2．4 遗传算子参数的选取 | 第50-52页 |
| 5．3 神经网络拓扑结构设计 | 第52页 |
| 5．3．1 系统网络拓扑结构的确定 | 第52页 |
| 5．3．2 判断隐含层神经元是否冗余的方法 | 第52页 |
| 5．4 基于遗传算法神经网络的药剂量辨识研究 | 第52-61页 |
| 5．4．1 基于遗传算法的BP神经网络模型算法 | 第53-54页 |
| 5．4．2 训练样本数据库的建立 | 第54-56页 |
| 5．4．3 网络的训练 | 第56-58页 |
| 5．4．4 实验结果 | 第58-61页 |
| 6 论文总结与问题展望 | 第61-63页 |
| 6．1 本文工作总结 | 第61-62页 |
| 6．2 今后工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录A 攻读硕士学位期间参加的项目 | 第69-70页 |
| 附录B 攻读硕士学位期间论文发表情况 | 第70页 |