| 摘要 | 第4-7页 |
| Abstract | 第7-10页 |
| 1 绪论 | 第14-26页 |
| 1.1 引言 | 第14-15页 |
| 1.2 课题来源与研究意义 | 第15-16页 |
| 1.3 国内外研究现状与分析 | 第16-23页 |
| 1.4 本文的主要工作与结构 | 第23-26页 |
| 2 基于多可信度设计点的RBF近似模型建模方法 | 第26-47页 |
| 2.1 引言 | 第26页 |
| 2.2 多可信度建模方法 | 第26-28页 |
| 2.3 基于多可信度设计点的RBF序列建模方法(MF-RBF) | 第28-32页 |
| 2.4 实例与分析 | 第32-46页 |
| 2.5 本章小结 | 第46-47页 |
| 3 基于多可信度设计点的高维问题建模方法 | 第47-69页 |
| 3.1 引言 | 第47页 |
| 3.2 基于多可信度设计点的高维问题建模相关理论 | 第47-50页 |
| 3.3 基于多可信度设计点的高维模型表达(MF-HDMR)建模方法 | 第50-59页 |
| 3.4 实例与分析 | 第59-68页 |
| 3.5 本章小结 | 第68-69页 |
| 4 基于多模型聚合的高维问题自适应建模方法 | 第69-94页 |
| 4.1 引言 | 第69页 |
| 4.2 高维问题建模与模型聚合方法 | 第69-72页 |
| 4.3 一种自适应增强的RBF-HDMR建模方法 | 第72-83页 |
| 4.4 实例与分析 | 第83-92页 |
| 4.5 本章小结 | 第92-94页 |
| 5 基于kriging模型的多点采样全局优化方法 | 第94-116页 |
| 5.1 引言 | 第94页 |
| 5.2 基于近似模型的序列采样优化方法 | 第94-97页 |
| 5.3 基于kriging模型的多点采样全局优化算法 | 第97-107页 |
| 5.4 实例与分析 | 第107-115页 |
| 5.5 本章小结 | 第115-116页 |
| 6 面向高维问题的加速的近似模型协同粒子群全局优化方法 | 第116-136页 |
| 6.1 引言 | 第116页 |
| 6.2 面向高维问题的粒子群优化方法 | 第116-118页 |
| 6.3 加速的近似模型协同粒子群全局优化算法(ASPSO) | 第118-124页 |
| 6.4 实例与分析 | 第124-135页 |
| 6.5 本章小结 | 第135-136页 |
| 7 总结与展望 | 第136-140页 |
| 7.1 全文总结 | 第136-138页 |
| 7.2 创新之处 | 第138页 |
| 7.3 工作展望 | 第138-140页 |
| 致谢 | 第140-141页 |
| 参考文献 | 第141-153页 |
| 附录1 攻读博士学位期间发表学术论文目录 | 第153页 |
