| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 传统多目标优化算法的研究 | 第12-13页 |
| 1.2.2 人工免疫多目标优化算法的研究 | 第13页 |
| 1.2.3 人工免疫多 Agent 系统的研究 | 第13-14页 |
| 1.2.4 化工过程操作优化的研究 | 第14-15页 |
| 1.3 论文的主要工作和章节安排 | 第15-17页 |
| 1.3.1 论文的主要工作 | 第15页 |
| 1.3.2 论文的章节安排 | 第15-17页 |
| 2 多目标优化问题概述及相关多目标优化算法 | 第17-35页 |
| 2.1 多目标优化问题 | 第17-19页 |
| 2.1.1 数学描述 | 第17页 |
| 2.1.2 可行解 | 第17页 |
| 2.1.3 Pareto 支配 | 第17页 |
| 2.1.4 -Pareto 支配 | 第17-18页 |
| 2.1.5 Pareto 最优解集 | 第18页 |
| 2.1.6 Pareto 前沿 | 第18-19页 |
| 2.2 古典多目标优化算法 | 第19-20页 |
| 2.2.1 约束法 | 第19页 |
| 2.2.2 线性加权法 | 第19-20页 |
| 2.3 经典多目标优化算法 | 第20-31页 |
| 2.3.1 非劣排序遗传算法 | 第22-23页 |
| 2.3.2 强度 Pareto 进化算法 | 第23-26页 |
| 2.3.3 强度 Pareto 进化算法 2 | 第26-28页 |
| 2.3.4 带精英策略的非支配排序遗传算法 | 第28-31页 |
| 2.4 多目标优化测试函数 | 第31-32页 |
| 2.5 多目标优化算法的性能评级指标 | 第32-34页 |
| 2.5.1 世代距离 | 第33页 |
| 2.5.2 收敛性指标 | 第33-34页 |
| 2.5.3 S 测度 | 第34页 |
| 2.6 本章小结 | 第34-35页 |
| 3 人工免疫多Agent多目标优化算法 | 第35-49页 |
| 3.1 人工免疫系统 | 第35-37页 |
| 3.1.1 人工免疫系统模型 | 第35-36页 |
| 3.1.2 人工免疫系统算法 | 第36-37页 |
| 3.2 多 Agent 的系统 | 第37-38页 |
| 3.3 人工免疫多 Agent 系统 | 第38-39页 |
| 3.4 人工免疫多 Agent 多目标优化算法 | 第39-44页 |
| 3.4.1 适应度定义 | 第39-40页 |
| 3.4.2 外部记忆抗体种群更新策略 | 第40-41页 |
| 3.4.3 人工免疫多 Agent 系统更新算子 | 第41-43页 |
| 3.4.4 算法的流程和步骤 | 第43-44页 |
| 3.5 实验仿真及结果 | 第44-47页 |
| 3.6 本章小结 | 第47-49页 |
| 4 AIMAMOA在分馏系统多目标操作优化中的应用 | 第49-67页 |
| 4.1 建模软件 Aspen Plus 及 Mapfun 工具箱 | 第49页 |
| 4.2 分馏系统机理模型 | 第49-50页 |
| 4.3 基于机理模型的分馏系统多目标操作优化 | 第50-53页 |
| 4.4 分馏系统神经网络模型 | 第53-60页 |
| 4.4.1 人工神经网络概述 | 第54-55页 |
| 4.4.2 分馏系统 RBF 神经网络模型 | 第55-60页 |
| 4.5 基于神经网络模型的分馏系统多目标操作优化 | 第60-63页 |
| 4.6 基于神经网络-机理模型的分馏系统多目标操作优化 | 第63-66页 |
| 4.7 本章小结 | 第66-67页 |
| 5 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 在学研究成果 | 第73-74页 |
| 致谢 | 第74页 |
