智能优化算法在织物动态仿真中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 引言 | 第10-15页 |
| ·本文选题的背景 | 第10页 |
| ·织物仿真模型的研究现状 | 第10-12页 |
| ·几何模型 | 第10-11页 |
| ·物理模型 | 第11-12页 |
| ·混合模型 | 第12页 |
| ·织物仿真模型求解算法的研究现状 | 第12-14页 |
| ·传统算法的研究现状 | 第12-13页 |
| ·智能算法的研究现状 | 第13-14页 |
| ·本文研究的内容和方法 | 第14页 |
| ·总结 | 第14-15页 |
| 第二章 基于改进弹簧质点模型的织物模拟算法 | 第15-23页 |
| ·改进的弹簧质点模型 | 第15-17页 |
| ·弹簧质点模型结构 | 第15-16页 |
| ·受力分析 | 第16-17页 |
| ·外力 | 第17页 |
| ·内力 | 第17页 |
| ·动力方程的数值求解 | 第17-20页 |
| ·显式欧拉方程积分法 | 第17-18页 |
| ·隐式欧拉方程积分法 | 第18-20页 |
| ·动态约束 | 第20-21页 |
| ·实验结果分析 | 第21-22页 |
| ·总结 | 第22-23页 |
| 第三章 遗传算法的分析与研究 | 第23-36页 |
| ·遗传算法概述 | 第23-25页 |
| ·遗传算法来历 | 第23页 |
| ·遗传算法研究进展 | 第23-24页 |
| ·传统的GA算法特点 | 第24-25页 |
| ·传统的遗传算法 | 第25-31页 |
| ·编码设计 | 第25-26页 |
| ·初始种群建立 | 第26页 |
| ·适应度函数 | 第26页 |
| ·选择算子 | 第26-28页 |
| ·GA算法中的交叉算子 | 第28-29页 |
| ·GA算法中的变异算子 | 第29-30页 |
| ·传统遗传算法的基本流程 | 第30-31页 |
| ·基于传统遗传算法的改进研究 | 第31-35页 |
| ·交叉操作 | 第31-33页 |
| ·父辈相似度 | 第33-34页 |
| ·收敛度阈值 | 第34-35页 |
| ·双阈值控制遗传算法特点 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第四章 模拟退火算法分析与研究 | 第36-48页 |
| ·模拟退火算法概述 | 第36-38页 |
| ·简介 | 第36-37页 |
| ·模拟退火算法研究进展 | 第37-38页 |
| ·传统模拟退火算法 | 第38-43页 |
| ·模拟退火算法的数学模型 | 第38-39页 |
| ·模拟退火算法流程 | 第39-41页 |
| ·模拟退火算法分析 | 第41-42页 |
| ·基本退火算法的特点 | 第42-43页 |
| ·基于传统模拟退火算法的改进研究 | 第43-47页 |
| ·传统模拟退火算法在退火和抽样过程的简单改进 | 第43-45页 |
| ·改进的快速模拟退火算法 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 基于智能优化算法的织物模型参数学习 | 第48-62页 |
| ·引言 | 第48-49页 |
| ·织物仿真动态模型参数的学习 | 第49-61页 |
| ·织物运动真实数据的获得及分析 | 第49-53页 |
| ·基于遗传算法的织物动态模型参数学习 | 第53-56页 |
| ·基于模拟退火算法的织物动态模型参数学习 | 第56-59页 |
| ·两种优化算法的性能比较 | 第59-61页 |
| ·小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间的研究成果 | 第69页 |
