摘要4-5
Abstract5-9
第一章 绪论9-15
1.1 探讨背景与作用9
1.2 国内外的探讨近况9-10
1.3 不确定规划模型10-11
1.3.1 期望值模型10-11
1.3.2 随机机会约束规划11
1.4 求解中的不足、求解步骤11-13
1.5 论文中的主要探讨内容13-15
第二章 随机模拟15-23
2.1 随机数的产生15-16
2.2 随机模拟16-19
2.2.1 蒙特卡洛模拟求随机变量的数学期望17
2.2.2 求随机事件发生的概率17-18
2.2.3 乐观值估计算法18-19
2.2.4 乐观值估算算法19
2.2.5 悲观值估算算法19
2.3 数值试验19-22
2.3.1 数值试验 119-20
2.3.2 数值试验 220-22
2.4 小结22-23
第三章 神经网络23-33
3.1 人工神经元23-24
3.2 多层前向神经元网络24-25
3.3 函数逼近25-26
3.4 网络结构的确定26
3.5 反向传播算法26-28
3.6 MATLAB 中 BP 神经网络的实现28-29
3.6.1 神经元的节点数28
3.6.2 传递函数28
3.6.3 神经网络的训练函数28-29
3.6.4 学习速度的选定29
3.7 数值试验29-32
3.7.1 数值试验 129-30
3.7.2 数值试验 230-32
3.8 小结32-33
第四章 混合智能算法33-45
4.1 粒子群优化算法33-35
4.1.1 算法起源33
4.1.2 粒子群算法的数学模型33-34
4.1.3 实现技术34-35
4.1.4 终止条件35
4.2 标准的粒子群算法步骤35-37
4.3 改善的粒子群优化算法37-38
4.3.1 改善的粒子群优化算法(双评价粒子群优化算法)37-38
4.4 测试函数38-41
4.5 混合智能算法41-42
4.6 数值试验42-44
4.6.1 数值试验 142-43
4.6.2数值试验 243-44
4.7 小结44-45
总结与展望45-47
总结45-46
展望46-47