| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-22页 |
| ·引言 | 第10-11页 |
| ·遗传算法的研究历史与发展现状 | 第11-16页 |
| ·遗传算法的研究历史 | 第11-12页 |
| ·遗传算法的发展现状 | 第12-16页 |
| ·神经网络的发展历史与研究现状 | 第16-18页 |
| ·神经网络的研究历史 | 第17页 |
| ·神经网络的发展现状 | 第17-18页 |
| ·选题的目的及意义 | 第18-19页 |
| ·本文研究的主要工作及章节安排 | 第19-22页 |
| ·本文研究主要工作 | 第19页 |
| ·本文的章节安排 | 第19-22页 |
| 第二章 遗传算法的理论基础 | 第22-32页 |
| ·标准遗传算法的形式化定义 | 第22-23页 |
| ·标准遗传算法解决问题的关键步骤 | 第23页 |
| ·标准遗传算法解决问题的实施过程 | 第23-24页 |
| ·标准遗传算法的关键要素与具体实现 | 第24-27页 |
| ·问题的表示和遗传算法的编码 | 第25页 |
| ·个体适应度函数 | 第25-26页 |
| ·遗传算子 | 第26-27页 |
| ·遗传算法主要控制参数 | 第27页 |
| ·模式定理与积木块假设 | 第27-29页 |
| ·模式定理的基本概念 | 第27页 |
| ·模式定理 | 第27-29页 |
| ·积木块假设 | 第29页 |
| ·欺骗问题与隐并行性原理 | 第29-30页 |
| ·遗传算法欺骗问题 | 第29-30页 |
| ·隐并行性原理 | 第30页 |
| ·遗传算法收敛性分析 | 第30-32页 |
| 第三章 遗传算法的研究及其改进 | 第32-52页 |
| ·标准遗传算法的不足 | 第32-33页 |
| ·标准遗传算法采用单一的二进制编码 | 第32页 |
| ·标准遗传算法随机产生初始种群 | 第32页 |
| ·标准遗传算法采用简单的遗传操作算子 | 第32-33页 |
| ·初始种群的产生与编码的分析与改进 | 第33-35页 |
| ·初始种群的产生与编码的分析 | 第33页 |
| ·初始种群产生方式的改进 | 第33-35页 |
| ·适应度函数的分析与改进 | 第35-38页 |
| ·适应度函数的分析 | 第35-36页 |
| ·适应度函数定标的改进 | 第36-38页 |
| ·遗传算子的分析与改进 | 第38-43页 |
| ·遗传选择算子的分析与改进 | 第38-40页 |
| ·遗传交叉算子的分析与改进 | 第40-42页 |
| ·遗传变异算子的分析与改进 | 第42-43页 |
| ·控制参数的确定 | 第43-44页 |
| ·遗传最优个体平移算子 | 第44-45页 |
| ·遗传算法性能测试 | 第45-52页 |
| ·性能测试函数的选择 | 第45-47页 |
| ·其它一些改进的遗传算法 | 第47页 |
| ·性能函数优化的仿真 | 第47-52页 |
| 第四章 遗传算法优化BP网络的实现 | 第52-64页 |
| ·人工神经网络模型 | 第52-55页 |
| ·生物神经元 | 第52-53页 |
| ·人工神经网络的基本模型 | 第53页 |
| ·BP网络学习算法 | 第53-55页 |
| ·BP网络的训练步骤 | 第55-56页 |
| ·BP网络隐含层节点数目的估计 | 第56-57页 |
| ·改进遗传算法优化BP网络的基本框架 | 第57-58页 |
| ·编码与初始种群的产生 | 第58-59页 |
| ·适应度函数 | 第59-60页 |
| ·遗传选择与交叉操作 | 第60-61页 |
| ·遗传变异操作 | 第61-62页 |
| ·最优个体的平移 | 第62-64页 |
| 第五章 改进的遗传算法在优化BP网络结构中的应用及其MATLAB实现 | 第64-74页 |
| ·BP网络语音信号特征分类 | 第64-69页 |
| ·隐层节点数目与网络初始权值和阈值的优化 | 第65-67页 |
| ·分类结果正确率比较 | 第67-69页 |
| ·BP网络非线性函数的拟合 | 第69-74页 |
| ·隐层节点数目与网络初始权值和阈值的优化 | 第70-71页 |
| ·函数逼近正确率比较 | 第71-74页 |
| 第六章 结论与展望 | 第74-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 附录 攻读硕士学位期间完成的主要论文和工作 | 第84页 |