| 第一章 绪论 | 第1-17页 |
| 1．1 遗传算法概述 | 第9-13页 |
| 1．1．1 遗传算法的发展历史 | 第9-10页 |
| 1．1．2 遗传算法的理论研究概况 | 第10-12页 |
| 1．1．3 遗传算法的应用研究概况 | 第12-13页 |
| 1．2 本文研究的内容和意义 | 第13-15页 |
| 1．3 本文研究成果和内容安排 | 第15-17页 |
| 第二章 遗传算法性能与适应度函数关系的研究 | 第17-39页 |
| 2．1 引言 | 第17页 |
| 2．2 遗传算法的构成和基本理论 | 第17-19页 |
| 2．2．1 遗传算法的构成 | 第17-18页 |
| 2．2．2 遗传算法的基本理论 | 第18-19页 |
| 2．3 Walsh模式分析 | 第19-22页 |
| 2．3．1 搜索空间的分割及其序号 | 第19-20页 |
| 2．3．2 Walsh多项式 | 第20-21页 |
| 2．3．3 关于遗传算法性能与适应度函数关系的已有观点 | 第21-22页 |
| 2．4 遗传算法性能与适应度函数关系的进一步研究 | 第22-29页 |
| 2．4．1 Bethke等人的观点与一些实验结果之间的矛盾 | 第22-24页 |
| 2．4．2 遗传算法性能与适应度函数关系的进一步研究 | 第24-29页 |
| 2．4．3 本节小结 | 第29页 |
| 2．5 两个难度不同的适应度函数 | 第29-33页 |
| 2．6 具有相同或相接近适应度的不同个体之间的随机生存竞争现象的研究 | 第33-37页 |
| 2．7 小结 | 第37-39页 |
| 第三章 基于BP神经网络的遗传算法 | 第39-49页 |
| 3．1 引言 | 第39页 |
| 3．2 参数自适应遗传算法 | 第39-41页 |
| 3．2．1 自适应改变交叉或变异概率的策略 | 第39-40页 |
| 3．2．2 Sebag提出的自适应变异技术 | 第40-41页 |
| 3．3 BP神经网络结构和学习算法简介 | 第41-43页 |
| 3．4 基于BP神经网络的遗传算法 | 第43-46页 |
| 3．4．1 分类网络和映射网络 | 第43-45页 |
| 3．4．2 基于BP神经网络的遗传算法（BPGA：BP Network-Based Genetic Algorithm） | 第45-46页 |
| 3．5 实验结果 | 第46-48页 |
| 3．6 小结 | 第48-49页 |
| 第四章 非重叠样本数据的自适应聚类算法 | 第49-61页 |
| 4．1 引言 | 第49-50页 |
| 4．2 聚类分析的研究和发展现状 | 第50-53页 |
| 4．2．1 聚类分析的研究和发展现状 | 第50-51页 |
| 4．2．2 模糊c-均值算法（FCM：fuzzy c-means） | 第51-52页 |
| 4．2．3 基于目标函数聚类算法中存在的问题 | 第52-53页 |
| 4．3 样本数据之间的相互关系 | 第53-54页 |
| 4．4 非重叠样本数据的自适应聚类算法 | 第54-57页 |
| 4．4．1 自适应聚类算法 | 第54-55页 |
| 4．4．2 领域扩张和类别的有效性 | 第55-57页 |
| 4．5 实验结果及其分析 | 第57-59页 |
| 4．6 小结 | 第59-61页 |
| 第五章 线状分布样本数据的自适应聚类算法 | 第61-82页 |
| 5．1 引言 | 第61-62页 |
| 5．2 基于遗传算法的参数曲线检测算法 | 第62-68页 |
| 5．2．1 Hough变换和GRA变换 | 第62-64页 |
| 5．2．1．1 Hough变换 | 第62-63页 |
| 5．2．1．2 GRA变换 | 第63-64页 |
| 5．2．2 基于遗传算法的参数曲线检测算法 | 第64-66页 |
| 5．2．2．1 遗传操作参数和适应度函数的选取 | 第64-65页 |
| 5．2．2．2 自适应变异方法 | 第65-66页 |
| 5．2．3 实验结果 | 第66-68页 |
| 5．3 线状分布样本数据的自适应聚类算法 | 第68-75页 |
| 5．3．1 线特征滤波器 | 第68-70页 |
| 5．3．2 线状特征点的初始聚类和曲线段的生成 | 第70-72页 |
| 5．3．2．1 基于Supp_Line（p）集合的线状特征点的初始聚类 | 第70-71页 |
| 5．3．2．2 初始线状类别的分割 | 第71-72页 |
| 5．3．3 曲线拟合过程和样本点的进一步聚类 | 第72-74页 |
| 5．3．3．1 线状类别的曲线拟合过程 | 第72-74页 |
| 5．3．3．2 样本点的进一步聚类 | 第74页 |
| 5．3．4 实验结果 | 第74-75页 |
| 5．4 基于遗传算法的曲线段的连接与拟合 | 第75-81页 |
| 5．4．1 选择操作 | 第76-77页 |
| 5．4．2 交叉和变异操作 | 第77-79页 |
| 5．4．3 算法具体步骤 | 第79页 |
| 5．4．4 实验结果 | 第79-80页 |
| 5．4．5 本节小结 | 第80-81页 |
| 5．5 小结 | 第81-82页 |
| 第六章 基于遗传算法的分类系统的初步模型 | 第82-93页 |
| 6．1 引言 | 第82-83页 |
| 6．2 自主分类系统 | 第83-84页 |
| 6．3 模型的基本结构和遗传操作 | 第84-89页 |
| 6．3．1 编码方案和选择操作 | 第86页 |
| 6．3．2 交叉和变异操作 | 第86-88页 |
| 6．3．3 群体分化和算法的基本步骤 | 第88-89页 |
| 6．4 群体进化的收敛性 | 第89-90页 |
| 6．5 实验结果 | 第90-92页 |
| 6．6 小结 | 第92-93页 |
| 结束语 | 第93-95页 |
| 致 谢 | 第95-96页 |
| 参考文献 | 第96-104页 |
| 攻读博士期间发表的主要论文 | 第104页 |
