| 摘 要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第 1 章 绪 论 | 第9-21页 |
| ·课题背景 | 第9页 |
| ·研究现状 | 第9-15页 |
| ·基于结构动力参数的损伤诊断法 | 第10-14页 |
| ·各种损伤指标比较小结 | 第14-15页 |
| ·优化算法 | 第15-19页 |
| ·禁忌搜索算法 | 第15-17页 |
| ·模拟退火算法 | 第17-18页 |
| ·混合优化算法 | 第18-19页 |
| ·研究内容和方法 | 第19页 |
| ·论文组织结构 | 第19-21页 |
| 第 2 章 遗传算法研究 | 第21-38页 |
| ·遗传算法概述 | 第21-24页 |
| ·遗传算法的起源和发展 | 第21-22页 |
| ·遗传算法的定义 | 第22-23页 |
| ·遗传算法的主要特征 | 第23页 |
| ·遗传算法的数学基础 | 第23-24页 |
| ·遗传算法的执行策略 | 第24-25页 |
| ·编码方法 | 第24-25页 |
| ·遗传算子 | 第25页 |
| ·遗传算法的搜索方法和策略 | 第25-27页 |
| ·搜索方法 | 第25-26页 |
| ·搜索策略 | 第26-27页 |
| ·算法终止准则 | 第27页 |
| ·遗传算法求解优化问题的适用性 | 第27-28页 |
| ·遗传算法的操作步骤 | 第28-29页 |
| ·遗传算法的不足之处 | 第29-30页 |
| ·本文遗传算法的实现 | 第30-37页 |
| ·线性约束最优化问题约束处理方法 | 第31-32页 |
| ·标准适应度函数的设计 | 第32-33页 |
| ·编码方案的选择 | 第33-34页 |
| ·基于实数编码的遗传算子 | 第34-36页 |
| ·锦标赛选择机制 | 第36-37页 |
| ·精英保护策略 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第 3 章 神经网络研究 | 第38-55页 |
| ·神经网络概述 | 第38-41页 |
| ·神经网络的起源和发展 | 第38-40页 |
| ·神经网络定义 | 第40-41页 |
| ·神经网络的基本原理 | 第41-44页 |
| ·神经元的数学模型 | 第41页 |
| ·神经元的特性 | 第41-42页 |
| ·神经元传递函数 | 第42-44页 |
| ·神经网络的学习方式 | 第44页 |
| ·神经网络信息处理的数学过程 | 第44页 |
| ·典型的神经网络模型 | 第44-46页 |
| ·BP 神经网络 | 第46-52页 |
| ·BP 网络模型 | 第46-47页 |
| ·单个神经元的输入输出 | 第47页 |
| ·BP 神经网络的具体算法 | 第47-49页 |
| ·BP 网络的数据处理 | 第49-50页 |
| ·BP 算法存在的问题 | 第50页 |
| ·BP 网络模型的改进 | 第50-51页 |
| ·神经网络应用中各网络参数确定原则 | 第51-52页 |
| ·本文神经网络的确定 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第 4 章 经验遗传算法 | 第55-67页 |
| ·遗传算法与神经网络结合方式分类 | 第55-57页 |
| ·经验遗传算法 | 第57-59页 |
| ·概述 | 第57页 |
| ·经验遗传算法的基本操作步骤 | 第57-59页 |
| ·算法设计 | 第59页 |
| ·经典算例测试 | 第59-66页 |
| ·六个测试函数的描述 | 第60-65页 |
| ·测试函数统计结果 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第 5 章 经验遗传算法在桥梁结构动态参数识别中的应用思路 | 第67-72页 |
| ·基本原理 | 第67-68页 |
| ·建立分析模型 | 第68-70页 |
| ·计算步骤 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 结论与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致 谢 | 第78页 |