智能优化算法在机械设计中的应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题来源 | 第10页 |
| 1.2 智能优化算法的研究背景及意义 | 第10-11页 |
| 1.3 智能优化算法的国内外研究现状 | 第11-15页 |
| 1.3.1 遗传算法的国内外研究现状 | 第11-13页 |
| 1.3.2 粒子群算法的国内外研究现状 | 第13-15页 |
| 1.4 本文的主要研究内容 | 第15-16页 |
| 第2章 智能优化算法的理论基础研究 | 第16-31页 |
| 2.1 引言 | 第16页 |
| 2.2 遗传算法的基本理论研究 | 第16-24页 |
| 2.2.1 遗传算法的数学模型 | 第16-17页 |
| 2.2.2 遗传算法的构成要素及操作步骤 | 第17-19页 |
| 2.2.3 遗传算法的实现过程 | 第19-23页 |
| 2.2.4 遗传算法的特点 | 第23-24页 |
| 2.3 粒子群算法的基本理论研究 | 第24-30页 |
| 2.3.1 粒子群算法的基本模型 | 第24-25页 |
| 2.3.2 粒子群算法的流程步骤 | 第25-26页 |
| 2.3.3 标准粒子群算法的特点 | 第26-28页 |
| 2.3.4 粒子群算法的参数选择 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 智能优化算法在函数优化中的实现 | 第31-51页 |
| 3.1 引言 | 第31页 |
| 3.2 函数优化的模型 | 第31页 |
| 3.3 Matlab求解测试函数优化 | 第31-33页 |
| 3.3.1 Matlab遗传算法工具箱 | 第32-33页 |
| 3.3.2 Matlab粒子群算法工具箱 | 第33页 |
| 3.4 两种基本智能算法数值仿真 | 第33-43页 |
| 3.4.1 测试函数的选取 | 第33-35页 |
| 3.4.2 算法参数取值的确定 | 第35-36页 |
| 3.4.3 基于两种智能算法的数值仿真结果分析 | 第36-43页 |
| 3.5 新型智能算法—遗传粒子群结合算法 | 第43-50页 |
| 3.5.1 遗传粒子群结合算法的实现过程 | 第43-45页 |
| 3.5.2 遗传粒子群结合算法数值仿真 | 第45-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 智能算法在机械优化设计中的应用 | 第51-63页 |
| 4.1 引言 | 第51-52页 |
| 4.2 曳引机优化实例 | 第52-57页 |
| 4.2.1 蜗轮齿圈优化设计的数学模型 | 第52-54页 |
| 4.2.2 传统优化方法求解 | 第54-55页 |
| 4.2.3 PSO算法与GAPSO算法求解 | 第55-56页 |
| 4.2.4 求解结果分析 | 第56-57页 |
| 4.3 弹簧优化实例 | 第57-62页 |
| 4.3.1 圆柱弹簧优化设计的数学模型 | 第57-59页 |
| 4.3.2 传统优化方法求解 | 第59页 |
| 4.3.3 PSO算法与GAPSO算法求解 | 第59-61页 |
| 4.3.4 求解结果分析 | 第61-62页 |
| 4.4 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |
