提要 | 第4-5页 |
摘要 | 第5-7页 |
Abstract | 第7-9页 |
第1章 绪论 | 第13-31页 |
1.1 CAD技术的发展历史 | 第13-14页 |
1.2 CAD技术的发展趋势 | 第14-15页 |
1.3 基于约束的设计方法 | 第15-16页 |
1.4 参数化与变量化设计体系 | 第16-20页 |
1.5 几何约束求解策略 | 第20-29页 |
1.6 本文工作及组织结构 | 第29-31页 |
第2章 几何约束系统的全增量分解机制 | 第31-73页 |
2.1 几何约束系统的建模 | 第31-39页 |
2.1.1 约束的定义和分类 | 第31-32页 |
2.1.2 几何基元的表达 | 第32-34页 |
2.1.3 几何约束的表达 | 第34-36页 |
2.1.4 几何约束系统的表示 | 第36-39页 |
2.2 几何约束系统的定性分析 | 第39-50页 |
2.2.1 几何约束满足问题 | 第39-41页 |
2.2.2 系统约束属性 | 第41-45页 |
2.2.3 约束闭环 | 第45-47页 |
2.2.4 基本约束域 | 第47-50页 |
2.3 系统全增量分解 | 第50-72页 |
2.3.1 MFA分解法 | 第50-52页 |
2.3.2 C-树分解法 | 第52-54页 |
2.3.3 核架构规约法S-DR | 第54-55页 |
2.3.4 规划图 | 第55-57页 |
2.3.5 规划图的全增量构造 | 第57-72页 |
2.4 本章小结 | 第72-73页 |
第3章 分级自适应规模粒子群优化算法的几何约束求解 | 第73-99页 |
3.1 系统优化策略 | 第73-77页 |
3.1.1 演化计算 | 第73-74页 |
3.1.2 优化模型 | 第74-76页 |
3.1.3 优化方法 | 第76-77页 |
3.1.4 群智能计算技术 | 第77页 |
3.2 基本粒子群优化算法(PSO) | 第77-83页 |
3.2.1 基本原理 | 第78页 |
3.2.2 数学模型 | 第78-79页 |
3.2.3 收敛性分析 | 第79-81页 |
3.2.4 PSO的局限性及改进 | 第81-83页 |
3.3 分级自适应规模粒子群优化算法(HASPSO) | 第83-90页 |
3.3.1 基本原理 | 第84-85页 |
3.3.2 数学模型 | 第85-87页 |
3.3.3 算法分析 | 第87-90页 |
3.4 几何约束求解应用 | 第90-96页 |
3.4.1 多解问题研究方法 | 第90-91页 |
3.4.2 附加约束分类 | 第91-94页 |
3.4.3 性能比较 | 第94-96页 |
3.5 本章小结 | 第96-99页 |
第4章 免疫和图知识迁移人工蜂群算法的几何约束求解 | 第99-127页 |
4.1 人工蜂群算法 | 第99-107页 |
4.1.1 生物背景 | 第99-100页 |
4.1.2 基本原理 | 第100-103页 |
4.1.3 收敛性证明 | 第103-104页 |
4.1.4 参数选择 | 第104-105页 |
4.1.5 局限性及改进 | 第105-107页 |
4.2 免疫机制 | 第107-111页 |
4.2.1 基本原理 | 第107-109页 |
4.2.2 数学模型 | 第109-111页 |
4.3 图知识迁移 | 第111-114页 |
4.3.1 邻接迁移矩阵 | 第111-112页 |
4.3.2 扩展模型迁移图 | 第112-113页 |
4.3.3 参数优化 | 第113-114页 |
4.4 算法融合及求解应用 | 第114-125页 |
4.4.1 融合模型(IA&GKT-ABC) | 第114-116页 |
4.4.2 算法分析 | 第116-118页 |
4.4.3 约束求解应用 | 第118-125页 |
4.5 本章小结 | 第125-127页 |
第5章 基于原型的动态轨迹求交法 | 第127-149页 |
5.1 算法研究 | 第127-132页 |
5.1.1 相关原理 | 第127-130页 |
5.1.2 典型算法 | 第130-132页 |
5.2 动态轨迹求交策略 | 第132-147页 |
5.2.1 轨迹求交法 | 第132-136页 |
5.2.2 基本约束域求解 | 第136-147页 |
5.3 本章小结 | 第147-149页 |
第6章 总结与展望 | 第149-153页 |
6.1 总结 | 第149-151页 |
6.2 展望 | 第151-153页 |
参考文献 | 第153-167页 |
作者简介及在学期间所取得的科研成果 | 第167-168页 |
致谢 | 第168页 |