基于GA的飞行器有效载荷运控模式的优化设计
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 第一章 引言 | 第8-10页 |
| 第二章 人工智能在飞行器有效载荷运控模式中的探索 | 第10-17页 |
| 2．1 基于规则的系统 | 第11页 |
| 2．2 产生式系统 | 第11-15页 |
| 2．2．1 产生式系统的组成 | 第12-14页 |
| 2．2．2 产生式系统的表示 | 第14-15页 |
| 2．3 进化计算概论 | 第15-17页 |
| 第三章 遗传算法概述 | 第17-28页 |
| 3．1 遗传算法的产生 | 第17-19页 |
| 3．2 遗传算法 | 第19-24页 |
| 3．2．1 遗传算法的基础用语 | 第19-20页 |
| 3．2．2 遗传算法的基本思想 | 第20-21页 |
| 3．2．3 遗传算法的特点 | 第21-24页 |
| 3．3 遗传算法的应用情况 | 第24-28页 |
| 3．3．1 函数优化 | 第24页 |
| 3．3．2 组合优化 | 第24-25页 |
| 3．3．3 生产调度问题 | 第25页 |
| 3．3．4 自动控制 | 第25页 |
| 3．3．5 机器人智能控制 | 第25-26页 |
| 3．3．6 图像处理和模式识别 | 第26页 |
| 3．3．7 人工生命 | 第26页 |
| 3．3．8 遗传程序设计 | 第26页 |
| 3．3．9 机器学习 | 第26-28页 |
| 第四章 基于GA求解运控模式最优解 | 第28-39页 |
| 4．1 遗传算法的求解过程 | 第28-30页 |
| 4．1．1 问题的表示 | 第28-29页 |
| 4．1．2 初始种群的产生 | 第29页 |
| 4．1．3 算法设计与操作 | 第29-30页 |
| 4．2 基本遗传操作 | 第30-33页 |
| 4．3 遗传算法的进化过程 | 第33-35页 |
| 4．4 遗传参数的选取 | 第35-36页 |
| 4．5 遗传算法与运控模式结合的优越性 | 第36-39页 |
| 第五章 空间飞行器有效载荷运控模式的设计 | 第39-48页 |
| 5．1 设计流程 | 第39页 |
| 5．2 编码和初始化 | 第39-42页 |
| 5．2．1 载荷工作条件 | 第40-42页 |
| 5．3 遗传设计 | 第42-48页 |
| 5．3．1 目标函数和适应度函数 | 第42-44页 |
| 5．3．2 遗传操作设计 | 第44-48页 |
| 第六章 程序设计 | 第48-54页 |
| 6．1 系统设计 | 第48-50页 |
| 6．1．1 设计思想 | 第48页 |
| 6．1．2 设计模型 | 第48-50页 |
| 6．2 详细设计 | 第50-52页 |
| 6．2．1 信息编码 | 第50页 |
| 6．2．2 染色体 | 第50-51页 |
| 6．2．3 种群 | 第51-52页 |
| 6．2．4 程序流程 | 第52页 |
| 6．3 总结 | 第52-54页 |
| 第七章 仿真结果 | 第54-62页 |
| 7．1 仿真结果 | 第54-56页 |
| 7．2 系统中存在的问题及以后的发展方向 | 第56-62页 |
| 7．2．1 未成熟收敛 | 第56-59页 |
| 7．2．2 交叉算子的改进 | 第59-60页 |
| 7．2．3 混合遗传算法 | 第60-62页 |
| 第八章 结束语 | 第62-63页 |
| 附表 | 第63-68页 |
| 参考文献 | 第68-69页 |
| 致谢 | 第69页 |
