文摘
英文文摘
声明
第一章引言
1.1绪论
1.2电子电路进化设计方法
1.2.1进化设计基本原理
1.2.2数字电路进化设计研究概况
1.2.3模拟电路进化设计研究概况
1.2.4面向实用的大规模、复杂电路的进化设计研究
1.3本文的研究目标和主要工作
1.4本文的组织结构
第二章遗传程序设计
2.1 GP基本理论
2.1.1 GP理论描述
2.1.2 GP个体的描述方法
2.1.3初始群体的生成
2.1.4适应度函数和选择算法
2.1.5遗传算子
2.1.6终止准则与结果标定
2.1.7 GP的主要控制参数
2.2 GP自然进化属性(Emergent Properties)
2.3 GP与GA、人工智能、机器学习等领域传统方法的比较
2.3.1 GP与GA比较
2.3.2 GP与人工智能、机器学习等领域传统方法的比较
2.4 GP应用
2.5 GP的研究背景、研究现状及发展趋势
2.5.1 GP研究背景
2.5.2 GP研究现状
2.5.3 GP发展趋势
2.6本章小结
第三章粒子群优化算法
3.1基本PSO算法
3.1.1算法原理
3.1.2算法步骤
3.1.3参数设置
3.2全局模式与局部模式
3.3同步模型与异步模型
3.4基本PSO算法的局限性
3.5几种重要的改进PSO算法
3.6基本PSO算法与其它进化算法的比较
3.6.1相似点
3.6.2不同点
3.7 PSO算法应用
3.8 PSO算法的研究背景、研究现状及发展趋势
3.8.1 PSO算法的研究背景
3.8.2 PSO算法的研究现状
3.8.3 PSO算法的发展趋势
3.9本章小结
第四章有源滤波器
4.1概述
4.2有源滤波器的传递函数及分类
4.2.1传递函数
4.2.2有源滤波器的分类及其性质
4.3有源滤波器设计的逼近方法
4.3.1巴特沃思低通滤波器(Butterworth LPF)
4.3.2切比雪夫低通滤波器(Chebyshev LPF)
4.4频率变换
4.5传递函数的电路实现
4.5.1电路的选择
4.5.2正反馈电路的基本构成
4.5.3一阶滤波器节
4.6传递函数的实现
4.6.1实现方法
4.6.2级联法实现传递函数时需注意的几个问题
4.7高阶滤波器
4.7.1高阶滤波器的实现
4.7.2高阶滤波器设计实例
4.8本章小结
第五章GP和PSO算法相结合实现有源滤波器的进化设计
5.1 GP的改进策略
5.1.1改进的个体表示方法
5.1.2与改进的个体表示方法相适应的遗传操作规则
5.1.3适应度评价方式
5.2 GP和PSO算法相结合实现有源滤波器的进化设计
5.2.1基本思想
5.2.2设计步骤
5.3实验电路简介
5.4设计结果及仿真验证
5.4.1二阶有源滤波器
5.4.2高阶有源滤波器的进化设计
5.5本章小结
结束语
参考文献
致 谢
在学期间公开发表论文及著作情况
东北师范大学;