首页--工业技术论文--化学工业论文--一般性问题论文--化工过程(物理过程及物理化学过程)论文--基础理论论文--化学工程最佳化与系统工程论文

群智能优化方法及其在化学化工中的应用研究

摘要第1-7页
ABSTRACT第7-15页
第一章 绪论第15-27页
   ·引言第15页
   ·优化问题的分类、难点与应用第15-21页
     ·优化问题分类与难点第16-17页
     ·动态优化第17-19页
     ·多目标优化第19-21页
   ·本文的主要研究内容和结构安排第21-23页
 本章参考文献第23-27页
第二章 群智能优化方法研究进展及其化学化工应用第27-57页
   ·引言第27-28页
   ·蚁群优化算法第28-44页
     ·蚁群觅食生物学行为第29-31页
     ·离散优化问题的蚁群优化算法第31-37页
       ·组合优的数学定义第31-32页
       ·蚁群优化元启发式算法第32-33页
       ·三种典型的蚁群优化算法第33-36页
       ·收敛性研究进展第36-37页
     ·连续优化问题的蚁群优化算法第37-42页
       ·离散与连续优化问题的不同点第37-39页
       ·基于实体的连续蚁群优化算法第39页
       ·基于模型的连续蚁群优化算法第39-41页
       ·基于生物学行为的连续蚁群优化算法第41-42页
     ·蚁群优化算法在化学化工中的应用第42-44页
     ·本节小结第44页
   ·粒子群优化算法第44-50页
     ·基本粒子群优化算法原理第45-46页
     ·粒子群优化算法的发展第46-49页
       ·惯性权重的引入第46-47页
       ·收缩因子的引入第47页
       ·其他改进第47-49页
     ·粒子群优化算法在化学化工中的应用第49-50页
   ·小结第50-51页
 本章参考文献第51-57页
第三章 杂交蚁群系统用于动力学参数估计第57-65页
   ·引言第57页
   ·2-氯苯酚超临界水氧化动力学模型第57-58页
   ·杂交蚁群系统第58-61页
     ·有关概念说明第59页
     ·全局蚂蚁及其操作第59-60页
       ·选择操作第59-60页
       ·交叉操作第60页
       ·变异操作第60页
     ·局部蚂蚁及其操作第60-61页
     ·信息素挥发第61页
     ·HACS算法步骤第61页
   ·算法性能测试第61-62页
   ·HACS用于2-氯苯酚超临界水氧化反应动力学参数估计第62-63页
   ·小结第63-64页
 本章参考文献第64-65页
第四章 基于募集机制的蚁群优化算法用于过程稳态优化第65-92页
   ·引言第65-67页
   ·稳态优化和蚁群算法的有关概念说明第67-69页
     ·稳态优化的有关概念第67-68页
     ·蚁群算法的有关概念第68-69页
   ·基于募集机制的蚁群优化算法第69-82页
     ·用于无约束单目标优化问题的蚁群优化算法MG-CACO第70-74页
       ·成群募集操作第70页
       ·海量募集操作第70-71页
       ·局部搜索操作第71页
       ·信息素挥发操作第71页
       ·MG-CACO算法步骤第71-72页
       ·MG-CACO性能测试第72-74页
     ·用于无约束多目标优化问题的蚁群优化算法MG-MOCACO第74-78页
       ·头蚁的确定第74-75页
       ·信息素更新操作第75页
       ·优解库更新操作第75-76页
       ·MG-MOCACO算法步骤第76页
       ·MG-MOCACO性能测试第76-78页
     ·用于约束单目标优化问题的蚁群优化算法MG-CCACO第78-82页
       ·食物源优劣评价第79页
       ·信息素更新操作第79-80页
       ·海量募集操作中的选择概率计算第80页
       ·MG-CCACO算法步骤第80页
       ·MG-CCACO性能测试第80-82页
   ·基于募集机制的蚁群优化算法在过程稳态优化中的应用第82-90页
     ·二甲苯异构化装置的操作优化第82-86页
       ·二甲苯异构化过程简介及其模型第82-84页
       ·MG-CACO用于二甲苯异构化装置的单目标操作优化第84-85页
       ·MG-MOCACO用于二甲苯异构化装置的多目标操作优化第85-86页
       ·本节小结第86页
     ·丁烯烷基化过程优化第86-90页
       ·丁烯烷基化过程介绍及其模型第87-88页
       ·MG-CCACO用于丁烯烷基化过程的约束优化第88-90页
   ·小结第90页
 本章参考文献第90-92页
第五章 基于模型的多目标蚁群优化算法用于间歇过程的动态多目标优化第92-105页
   ·引言第92页
   ·动态多目标优化问题第92-95页
     ·路径约束的转换第93页
     ·自由终端时间的转换第93-94页
     ·控制变量的离散化第94页
     ·总体求解思路第94-95页
   ·基于免疫机制的多目标蚁群算法IM-MOACA第95-97页
     ·适应度评价第95-96页
     ·信息素分布第96页
     ·解的构造第96页
     ·信息素更新第96-97页
     ·优解库更新第97页
     ·IM-MOACA算法步骤第97页
   ·IM-MOACA的性能测试第97-99页
   ·IM-MOACA用于间歇反应器的动态多目标优化第99-103页
     ·间歇反应器的动力学模型第99-101页
     ·多目标优化方案(Ⅰ)第101-102页
     ·多目标优化方案(Ⅱ)第102-103页
   ·小结第103页
 本章参考文献第103-105页
第六章 蚁群优化算法用于模式分类第105-129页
   ·引言第105-106页
   ·基于MG-CACO的集成分类系统用于化学模式分类第106-113页
     ·规则提取的连续优化模型第106-108页
       ·规则表述第106-107页
       ·规则评价第107页
       ·规则提取的连续优化模型第107-108页
     ·MG-CACO用于规则提取第108页
     ·集成分类系统第108-110页
     ·MG-CACO-ECS用于模式分类问题第110-113页
       ·MG-CACO-ECS用于UCI数据集第111页
       ·MG-CACO-ECS用于橄榄油产地判别第111-113页
   ·CACA与粗糙集理论的集成方法用于毒性作用机制的分类研究第113-126页
     ·粗糙集理论和双目标优化问题第113-115页
     ·基于妥协策略的蚁群算法第115-120页
       ·有关概念说明第115-117页
       ·解构造第117-118页
       ·冗余列移除第118页
       ·局部搜索第118-119页
       ·全局信息素更新第119-120页
     ·值约简和预测第120-122页
     ·CACA与RST的集成方法用于模式分类问题第122-126页
       ·三个测试问题第122-123页
       ·毒性作用机制分类研究第123-126页
   ·小结第126-127页
 本章参考文献第127-129页
第七章 粒子群优化算法用于过程综合和动态多目标优化第129-150页
   ·引言第129-130页
   ·混合粒子群优化算法用于求解MINLP第130-138页
     ·混合整数非线性规划问题第130页
     ·混合粒子群优化算法第130-134页
       ·有关概念的说明第130-131页
       ·增设和改造的几个操作第131-134页
       ·HPSO算法步骤第134页
     ·HPSO用于MINLP案例第134-138页
       ·问题描述第134-137页
       ·性能分析与比较第137-138页
   ·多目标粒子群优化算法用于求解DMOP第138-147页
     ·多目标粒子群优化算法第138-139页
     ·MOPSO算法步骤第139-140页
     ·MOPSO用于补料分批生化反应过程多目标优化第140-147页
       ·外源蛋白补料分批生产过程动力学模型第140-141页
       ·两种多目标模型第141-142页
       ·模型(Ⅰ)的多目标优化第142-145页
       ·模型(Ⅱ)的多目标优化第145-146页
       ·算法性能比较第146-147页
   ·小结第147-148页
 本章参考文献第148-150页
第八章 总结与展望第150-155页
   ·本文工作总结第150-153页
   ·未来研究工作展望第153-155页
致谢第155-156页
作者攻读博士学位期间撰写的论文和参与项目第156页

论文共156页,点击 下载论文
上一篇:气固流化床静电分布的理论及实验研究
下一篇:硅基纳米金刚石膜生长及其发光器件