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 |