黑箱多目标优化评估系统研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 多目标优化评估的发展概况 | 第10-12页 |
| 1.1.1 多目标优化评估概述 | 第10页 |
| 1.1.2 多目标优化评估的研究现状及发展趋势 | 第10-12页 |
| 1.2 课题研究的意义及主要工作内容 | 第12-13页 |
| 1.3 本章小结 | 第13-14页 |
| 第2章 黑箱多目标优化设计方法 | 第14-28页 |
| 2.1 试验设计与分析 | 第14-19页 |
| 2.1.1 正交试验设计 | 第14-15页 |
| 2.1.2 均匀试验设计 | 第15-17页 |
| 2.1.3 试验分析 | 第17-19页 |
| 2.2 人工神经网络建模 | 第19-22页 |
| 2.2.1 BP神经网络 | 第20-21页 |
| 2.2.2 径向基神经网络 | 第21-22页 |
| 2.3 遗传算法寻优 | 第22-27页 |
| 2.3.1 多目标优化模型和Pareto最优解 | 第23-24页 |
| 2.3.2 基于NSGA-Ⅱ多目标优化算法实现 | 第24-26页 |
| 2.3.3 约束条件的处理 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 多目标优化评估方法 | 第28-47页 |
| 3.1 基于直觉模糊和熵的TOPSIS评估法 | 第28-36页 |
| 3.1.1 直觉模糊综合评判 | 第28-33页 |
| 3.1.2 熵权法确定客观权重 | 第33-34页 |
| 3.1.3 多目标综合评估 | 第34-36页 |
| 3.2 基于TOPSIS的稳健性评估法 | 第36-40页 |
| 3.2.1 多目标稳健设计 | 第36-38页 |
| 3.2.2 内外表的选择和信噪比的计算 | 第38-40页 |
| 3.2.3 Pareto最优解稳健性评估 | 第40页 |
| 3.3 模糊贴近度评估法 | 第40-43页 |
| 3.3.1 Pareto最优解对理想解的率属度 | 第40-42页 |
| 3.3.2 模糊贴近度评估 | 第42-43页 |
| 3.4 可视化雷达图评估法 | 第43-46页 |
| 3.4.1 等效面积差评估法 | 第43-44页 |
| 3.4.2 可视化辅助评估支持 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 多目标优化评估系统开发 | 第47-60页 |
| 4.1 优化评估系统的总框架 | 第47-51页 |
| 4.2 优化评估系统设计 | 第51-58页 |
| 4.3 优化评估系统文件的外部接口 | 第58-59页 |
| 4.4 本章小节 | 第59-60页 |
| 第5章 黑箱多目标优化评估系统的实例验证 | 第60-74页 |
| 5.1 已知数学模型的多目标优化 | 第60-64页 |
| 5.2 黑箱问题的多目标优化 | 第64-68页 |
| 5.3 某化工厂设备的状态评估 | 第68-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第6章 结论与展望 | 第74-76页 |
| 6.1 结论 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79页 |
