基于择优学习的差分进化算法及其在选矿指标决策中的应用
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 引言 | 第12页 |
| 1.2 智能优化算法的研究现状 | 第12-17页 |
| 1.2.1 智能优化算法分类与特点 | 第13-15页 |
| 1.2.2 差分进化算法研究现状 | 第15-17页 |
| 1.3 智能优化算法的应用 | 第17-18页 |
| 1.4 本文主要研究内容及结构安排 | 第18-20页 |
| 第2章 差分进化算法概述 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 差分进化原理 | 第20-23页 |
| 2.2.1 变异操作 | 第20-21页 |
| 2.2.2 交叉操作 | 第21-22页 |
| 2.2.3 选择操作 | 第22页 |
| 2.2.4 差分进化算法步骤 | 第22-23页 |
| 2.3 差分进化控制参数影响分析 | 第23-25页 |
| 2.4 差分进化算改进策略 | 第25-29页 |
| 2.4.1 变异、交叉、选择策略的改进 | 第25-26页 |
| 2.4.2 控制参数自适应差分进化 | 第26-27页 |
| 2.4.3 搜索空间的改进 | 第27页 |
| 2.4.4 与其他算法相结合的混合算法 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 一种基于择优学习的差分进化算法 | 第30-48页 |
| 3.1 引言 | 第30页 |
| 3.2 基于择优学习策略的变异算子 | 第30-31页 |
| 3.3 优秀个体的选取 | 第31-32页 |
| 3.4 基于择优学习的单种群差分算法与实验研究 | 第32-41页 |
| 3.4.1 算法步骤 | 第32-33页 |
| 3.4.2 测试函数集 | 第33-37页 |
| 3.4.3 参数设置 | 第37-38页 |
| 3.4.4 仿真结果及对比分析 | 第38-41页 |
| 3.5 基于择优学习的多种群差分算法与实验研究 | 第41-47页 |
| 3.5.1 多种群策略 | 第41-43页 |
| 3.5.2 算法步骤 | 第43-44页 |
| 3.5.3 仿真结果及对比分析 | 第44-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 基于择优学习的差分进化的选矿指标决策 | 第48-74页 |
| 4.1 选矿生产指标决策问题描述 | 第48-55页 |
| 4.1.1 选矿工业过程简介 | 第48-49页 |
| 4.1.2 选矿生产运行指标决策过程描述 | 第49-51页 |
| 4.1.3 选矿过程指标优化问题描述 | 第51-55页 |
| 4.2 基于分布式案例推理的选矿过程指标决策 | 第55-69页 |
| 4.2.1 案例推理方法概述 | 第55-61页 |
| 4.2.2 分布式案例推理新方法描述 | 第61-63页 |
| 4.2.3 分布式案例推理在选矿上的应用及分析 | 第63-69页 |
| 4.3 基于择优学习的差分的选矿指标决策 | 第69-72页 |
| 4.3.1 参数设置 | 第69-71页 |
| 4.3.2 实验结果及性能分析 | 第71-72页 |
| 4.4 两种方法的比较研究 | 第72-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 5.1 工作总结 | 第74-75页 |
| 5.2 研究展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-84页 |
| 攻读硕士期间的科研工作和发表论文 | 第84页 |
