| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 前言 | 第7-11页 |
| ·目前对糖尿病发病机制的研究现状 | 第7-10页 |
| ·糖尿病的诊断标准 | 第8-9页 |
| ·HOMA 模型 | 第8页 |
| ·口服葡萄糖耐量试验 | 第8-9页 |
| ·评价胰岛素水平的常用试验方法 | 第9-10页 |
| ·评估胰岛素敏感性的常用试验方法 | 第9页 |
| ·评估胰岛素分泌功能的常用试验方法 | 第9-10页 |
| ·本文的工作和组织 | 第10-11页 |
| 第2章 评估胰岛素水平的数学模型 | 第11-18页 |
| ·HOMA(Homeostasis Model Assessment) 稳态模型 | 第11-12页 |
| ·经典HOMA 稳态模型 | 第11页 |
| ·改进的HOMA 稳态模型 | 第11-12页 |
| ·Bergman 最小模型 | 第12-15页 |
| ·经典Bergman 最小模型 | 第12-13页 |
| ·减少样本数的Bergman 最小模型 | 第13-14页 |
| ·与OGTT、MGTT 相结合的最小模型 | 第14-15页 |
| ·总结 | 第15页 |
| ·Linear Minimal Model 模型的建立 | 第15-18页 |
| ·对Bergman 最小模型的分析 | 第15-16页 |
| ·对Bergman 最小模型的改进 | 第16-17页 |
| ·新数学模型的建立 | 第17-18页 |
| 第3章 蚁群算法简介 | 第18-22页 |
| ·基本蚁群算法 | 第18-20页 |
| ·蚁群算法在连续优化问题求解中的应用 | 第20-22页 |
| ·解空间的不同区域作为不同的城市 | 第20页 |
| ·解的每一位作为不同的城市 | 第20-21页 |
| ·解的每个分量作为不同的城市 | 第21页 |
| ·总结 | 第21-22页 |
| 第4章 针对LMM 模型的蚁群算法 | 第22-48页 |
| ·对LMM 模型的分析 | 第22-27页 |
| ·需要完成的任务 | 第22-25页 |
| ·算法的选择 | 第25-27页 |
| ·穷举搜索法 | 第25-26页 |
| ·蚁群算法 | 第26-27页 |
| ·算法的设计 | 第27-39页 |
| ·一维函数的情形 | 第27-37页 |
| ·城市的定义 | 第27-28页 |
| ·蚂蚁的全局移动策略 | 第28-36页 |
| ·蚂蚁在单个城市中的局部搜索策略 | 第36页 |
| ·信息素的定义及更新策略 | 第36-37页 |
| ·算法扩展到多维 | 第37-39页 |
| ·算法的实现 | 第39-46页 |
| ·原函数的拆分 | 第39-42页 |
| ·数据结构的定义 | 第42-43页 |
| ·蚂蚁初始位置的确定 | 第43-44页 |
| ·一次循环中蚂蚁的搜索过程 | 第44-46页 |
| ·试验结果 | 第46-48页 |
| 第5章 总结与展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 发表论文和参加科研情况说明 | 第54-55页 |
| 附录 | 第55-72页 |
| 致谢 | 第72页 |