臺灣博碩士論文加值系統

產品屬性水準的不同組合決定消費市場對其評價，但對人類的認知判斷而言，產品各屬性間的關係是非獨立的，使系統行為呈現高度非線性。而產品在市場上的相互競爭及型態的演化，恰與生態系中物種的演化行為如出一輒。因此，本研究先用遺傳演算法訓練類神經網路來模擬人類對產品評價之認知判斷，待類神經網路訓練完成後再作為另一遺傳演算系統之適應函數，讓不同產品型態在電腦中進行競爭演化，藉以找到適於不同使用環境及使用目的的產品型態。

第一章 研究背景、目的及主體架構
1-1 研究背景、目的
1-2 主系統架構
第二章 遺傳演算法
2-1 遺傳演算法的前置程序
2-2 遺傳演算法的基本運算
2-3 遺傳演算法的其他參數
2-4 遺傳演算法的流程
第三章 類神經網路
3-1 類神經網路的基本單元
3-2 類神經網路的學習方式
第四章　 類神經遺傳演算系統
4-1 前置程序
4-2 進行遺傳演算
第五章 實例探討
5-1 編碼
5-2 定義適應函數
5-3 產生起始族群
5-4 進行遺傳演算
5-5 產品型態搜尋結果
5-6 系統效度驗證
第六章 結論與建議
6-1 結論
6-2 建議
參考文獻

中文部份
1、林信成、彭啟峰, ”OH! Fuzzy模糊理論剖析”, 第三波, 1994。
2、馬家湘,“系統設計模式（SDM）於原型決策之理論與運用”,1980。
英文部份
1、Arthur W. Brian, ”Positive Feedback in the Economy”, Scientific American, 1990.
2、Corinne Jacker, “Man, Memory and Machines”, the Macmillan Company, New York, 1964.
3、Herbert A. Simon, “The Science of the Artificial”, MIT press, 1969.
4、Melanie Mitchell, “An Introduction to Genetic Algorithms”, MIT press, 1998.
5、John Holland, ”Adaptation in Natural and Artificial System”, University of Michigan Press, 1975.
6、”The Postnatal Development of the Human Cerebral Cortex”, Vol. 6. Harvard Univ. Press, 1959.
7、Grossberg, S. “Neural Networks and Natural Intelligence”, Cambridge, Massachusetts: MIT Press, 1988.
8、Jatinder N.D. Gupta, & Randall S. Sexton. ”Comparing Backpropagation with a Genetic Algorithm for Neural Network Training”，1999.