| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-15页 |
| 第1章 绪论 | 第15-25页 |
| 1． 1 动态过程与动态优化 | 第15-16页 |
| 1． 2 动态优化问题的一般解析方法 | 第16-18页 |
| 1． 2． 1 变分法或基于极大值原理的解法 | 第16-17页 |
| 1． 2． 2 基于最佳原理的动态规划方法 | 第17-18页 |
| 1． 3 动态优化问题的一般数值方法 | 第18-20页 |
| 1． 3． 1 梯度方法 | 第18页 |
| 1． 3． 2 动态规划方法 | 第18-20页 |
| 1． 3． 3 其它方法 | 第20页 |
| 1． 4 动态优化方法的集成策略 | 第20-23页 |
| 1． 4． 1 化工动态优化问题的基本类型 | 第20-21页 |
| 1． 4． 2 集成策略的基本思路 | 第21-22页 |
| 1． 4． 3 混合算法的一般原则 | 第22-23页 |
| 1． 5 全文内容安排 | 第23-25页 |
| 第2章 迭代遗传算法 | 第25-37页 |
| 2． 1 引言 | 第25-26页 |
| 2． 2 遗传算法简介 | 第26页 |
| 2． 3 迭代遗传算法的构建 | 第26-30页 |
| 2． 3． 1 变量的离散化 | 第27-28页 |
| 2． 3． 2 染色体编码 | 第28页 |
| 2． 3． 3 初始染色体群的生成 | 第28-29页 |
| 2． 3． 4 遗传寻优操作 | 第29页 |
| 2． 3． 5 迭代计算 | 第29-30页 |
| 2． 3． 6 迭代蚁群算法的步骤 | 第30页 |
| 2． 4 迭代遗传算法的参数设定与测试 | 第30-34页 |
| 2． 4． 1 参数设定 | 第30页 |
| 2． 4． 2 算法测试 | 第30-34页 |
| 2． 5 用于Lee-Ramirez生物反应器补料流率的优化 | 第34-36页 |
| 2． 5． 1 Lee-Ramirez生物反应器补料流量的数学模型 | 第34-35页 |
| 2． 5． 2 迭代遗传算法的优化结果与讨论 | 第35-36页 |
| 2． 6 本章小节 | 第36-37页 |
| 第3章 迭代蚁群算法 | 第37-48页 |
| 3． 1 引言 | 第37页 |
| 3． 2 蚁群算法简介 | 第37-38页 |
| 3． 3 迭代蚁群算法的框架 | 第38-40页 |
| 3． 3． 1 变量的离散化处理 | 第39页 |
| 3． 3． 2 控制策略与路径 | 第39-40页 |
| 3． 3． 3 蚁群寻优操作 | 第40页 |
| 3． 3． 4 迭代操作 | 第40页 |
| 3． 4 IACA中的蚁群寻优操作 | 第40-41页 |
| 3． 4． 1 蚂蚁搜移的概率 | 第40页 |
| 3． 4． 2 计算适应度值 | 第40-41页 |
| 3． 4． 3 信息素的更新 | 第41页 |
| 3． 4． 4 终止条件 | 第41页 |
| 3． 5 IACA的计算步骤与实例研究 | 第41-45页 |
| 3． 5． 1 迭代蚁群算法的步骤 | 第41-42页 |
| 3． 5． 2 实例研究 | 第42-45页 |
| 3． 6 Lee-Ramirez生物反应器补料流率的优化 | 第45-47页 |
| 3． 7 本章小结 | 第47-48页 |
| 第4章 分级优化策略 | 第48-63页 |
| 4． 1 引言 | 第48页 |
| 4． 2 罚函数方法及分析 | 第48-49页 |
| 4． 3 约束优先的分级优化策略及其实施 | 第49-52页 |
| 4． 3． 1 约束优先的分级优化策略 | 第49-50页 |
| 4． 3． 2 实施算法简介 | 第50-51页 |
| 4． 3． 3 实施算法步骤 | 第51页 |
| 4． 3． 4 两点梯度法的说明 | 第51-52页 |
| 4． 4 目标优先的分级优化策略及其实施 | 第52-53页 |
| 4． 4． 1 目标优先的分级优化策略 | 第52-53页 |
| 4． 4． 2 实施算法 | 第53页 |
| 4． 5 控制变量箱型约束的处理 | 第53-54页 |
| 4． 6 约束优先分级优化策略的实例研究 | 第54-58页 |
| 4． 6． 1 例1：电机制动的能量最小控制问题 | 第54-55页 |
| 4． 6． 2 例2：一个非线性系统 | 第55-57页 |
| 4． 6． 3 例3：间歇反应器的温度控制问题 | 第57-58页 |
| 4． 7 目标优先分级优化策略的实例研究 | 第58-61页 |
| 4． 7． 1 测试算例 | 第58-59页 |
| 4． 7． 2 间歇反应器的最佳反应温度 | 第59-60页 |
| 4． 7． 3 管式反应器内催化剂最佳分配 | 第60-61页 |
| 4． 8 两种分级优化方案的比较 | 第61-62页 |
| 4． 9 本章小结 | 第62-63页 |
| 第5章 终端时间不确定的动态优化问题 | 第63-72页 |
| 5． 1 引言 | 第63页 |
| 5． 2 同步优化的方案 | 第63-64页 |
| 5． 3 两步优化的方案 | 第64-67页 |
| 5． 3． 1 第一步 | 第64-65页 |
| 5． 3． 2 第二步 | 第65页 |
| 5． 3． 3 两步优化的实施步骤 | 第65页 |
| 5． 3． 4 实例研究：间歇反应器的最佳反应时间与反应温度 | 第65-67页 |
| 5． 4 边值固定的情况 | 第67-71页 |
| 5． 4． 1 边值固定情况的优化方案选择 | 第67页 |
| 5． 4． 2 实例研究 | 第67-71页 |
| 5． 5 本章小节 | 第71-72页 |
| 第6章 引入反S形变换的pH控制 | 第72-79页 |
| 6． 1 引言 | 第72页 |
| 6． 2 中和反应数学模型及pH变换 | 第72-75页 |
| 6． 3 控制方法 | 第75页 |
| 6． 4 优化控制器参数 | 第75-76页 |
| 6． 4． 1 目标函数 | 第75页 |
| 6． 4． 2 进化规划算法 | 第75-76页 |
| 6． 5 仿真实验结果与讨论 | 第76-78页 |
| 6． 5． 1 控制器参数的确定 | 第76-78页 |
| 6． 5． 2 控制器参数的推广性能 | 第78页 |
| 6． 6 本章小结 | 第78-79页 |
| 第7章 优进策略支持的进化规划 | 第79-88页 |
| 7． 1 引言 | 第79-80页 |
| 7． 2 优进策略支持的进化规划 | 第80-83页 |
| 7． 2． 1 优进策略的支持 | 第80页 |
| 7． 2． 2 进化规划方法及其改进 | 第80-81页 |
| 7． 2． 3 优进策略支持的进化规划实施步骤 | 第81-82页 |
| 7． 2． 4 算法测试 | 第82-83页 |
| 7． 3 2-氯苯酚超临界水中氧化反应动力学 | 第83-84页 |
| 7． 4 优进策略支持的进化规划估计反应动力学参数 | 第84-86页 |
| 7． 5 与迭代遗传算法比较 | 第86页 |
| 7． 6 本章小结 | 第86-88页 |
| 第8章 通用回归神经网络 | 第88-97页 |
| 8． 1 引言 | 第88-89页 |
| 8． 2 通用回归神经网络的原理分析 | 第89-90页 |
| 8． 2． 1 GRNN的原理基础 | 第89页 |
| 8． 2． 2 GRNN的结构 | 第89-90页 |
| 8． 3 优化平滑因子 | 第90-92页 |
| 8． 3． 1 平滑因子的影响 | 第90-91页 |
| 8． 3． 2 目标函数 | 第91页 |
| 8． 3． 3 改进的进化规划(MEP)优化算法 | 第91-92页 |
| 8． 4 MEP-GRNN为渣油裂解建模 | 第92-96页 |
| 8． 4． 1 样本数据与建模方式 | 第93页 |
| 8． 4． 2 结果与分析 | 第93-96页 |
| 8． 5 本章小结 | 第96-97页 |
| 第9章 总结与展望 | 第97-101页 |
| 9． 1 全文总结 | 第97-98页 |
| 9． 2 存在的不足 | 第98-99页 |
| 9． 3 工作展望 | 第99-101页 |
| 参考文献 | 第101-112页 |
| 致谢 | 第112-113页 |
| 攻读博士学位期间完成的论文和参加的科研项目 | 第113页 |
