DNA遗传算法及应用研究
| 摘要 | 第1-9页 |
| Abstract | 第9-12页 |
| 致谢 | 第12-13页 |
| 表格 | 第13-15页 |
| 插图 | 第15-19页 |
| 符号一览表 | 第19-30页 |
| 第1章 绪论 | 第30-48页 |
| ·引言 | 第30-31页 |
| ·遗传算法 | 第31-37页 |
| ·遗传算法概述 | 第31-32页 |
| ·遗传算法的组成部分 | 第32-33页 |
| ·遗传算法的优点与不足 | 第33-34页 |
| ·遗传算法的研究进展 | 第34-37页 |
| ·DNA遗传算法 | 第37-44页 |
| ·生物学基础 | 第37-41页 |
| ·DNA计算 | 第41-42页 |
| ·DNA遗传算法研究进展 | 第42-44页 |
| ·遗传算法的工程应用 | 第44-46页 |
| ·本文主要研究内容 | 第46-48页 |
| 第2章 具有新型交叉算子的DNA遗传算法 | 第48-70页 |
| ·引言 | 第48页 |
| ·具有新型交叉算子的DNA遗传算法 | 第48-56页 |
| ·编码与解码方式 | 第48-49页 |
| ·新型交叉算子 | 第49-53页 |
| ·变异操作 | 第53页 |
| ·选择操作 | 第53页 |
| ·ncDNA-GA的实现步骤 | 第53-56页 |
| ·算法收敛性分析 | 第56-57页 |
| ·性能测试与分析 | 第57-64页 |
| ·测试函数 | 第57-59页 |
| ·测试结果分析 | 第59-64页 |
| ·催化裂化主分馏塔参数估计 | 第64-68页 |
| ·问题描述 | 第64-66页 |
| ·参数估计结果及讨论 | 第66-68页 |
| ·小结 | 第68-70页 |
| 第3章 具有新型变异算子的DNA遗传算法 | 第70-94页 |
| ·引言 | 第70-71页 |
| ·具有新型变异算子的DNA遗传算法 | 第71-77页 |
| ·编码方式 | 第71页 |
| ·交叉操作 | 第71-72页 |
| ·新型变异算子 | 第72-74页 |
| ·选择算子与种群维护 | 第74页 |
| ·nmDNA-GA的实现步骤 | 第74-77页 |
| ·算法收敛性分析 | 第77-78页 |
| ·性能测试与分析 | 第78-86页 |
| ·测试函数 | 第78-80页 |
| ·操作算子执行概率的影响 | 第80-83页 |
| ·测试结果分析 | 第83-86页 |
| ·渣油加氢动力学模型参数估计 | 第86-92页 |
| ·问题描述 | 第86-87页 |
| ·参数估计结果与讨论 | 第87-92页 |
| ·小结 | 第92-94页 |
| 第4章 具有新型交叉和变异算子的DNA遗传算法 | 第94-104页 |
| ·引言 | 第94页 |
| ·具有新型交叉和变异算子的DNA遗传算法 | 第94-97页 |
| ·仿真实验与结果 | 第97-98页 |
| ·重油热解过程的参数估计 | 第98-102页 |
| ·小结 | 第102-104页 |
| 第5章 求解具有约束优化问题的混合DNA遗传算法 | 第104-126页 |
| ·引言 | 第104-105页 |
| ·混合DNA遗传算法 | 第105-110页 |
| ·约束处理及适应度值的计算 | 第105-106页 |
| ·DNA遗传算法 | 第106页 |
| ·SQP算法 | 第106-107页 |
| ·混合DNA遗传算法 | 第107-110页 |
| ·混合DNA遗传算法收敛性分析 | 第110页 |
| ·算法性能测试与结果分析 | 第110-115页 |
| ·测试函数 | 第110-112页 |
| ·测试结果分析 | 第112-115页 |
| ·油品调合配方优化 | 第115-124页 |
| ·问题描述 | 第115-117页 |
| ·目标函数及约束 | 第117-118页 |
| ·调合结果及对比讨论 | 第118-124页 |
| ·小结 | 第124-126页 |
| 第6章 双链DNA遗传算法的广义神经网络建模 | 第126-144页 |
| ·引言 | 第126-127页 |
| ·双链DNA遗传算法 | 第127-131页 |
| ·双链编码形式 | 第127-128页 |
| ·操作算子 | 第128-129页 |
| ·dcDNA-GA的实现步骤 | 第129-131页 |
| ·双链DNA遗传算法的广义回归神经网络建模方法 | 第131-137页 |
| ·广义回归神经网络 | 第131-134页 |
| ·dcDNA-GA的适应度值计算 | 第134页 |
| ·dcDNA-GA的GRNN建模优化过程 | 第134-135页 |
| ·仿真实验与结果分析 | 第135-137页 |
| ·延迟焦化过程建模 | 第137-142页 |
| ·问题描述 | 第137-138页 |
| ·实验结果与分析 | 第138-142页 |
| ·小结 | 第142-144页 |
| 第7章 混沌DNA遗传算法的模糊神经网络建模 | 第144-156页 |
| ·引言 | 第144-145页 |
| ·混沌DNA遗传算法 | 第145-147页 |
| ·编码方式 | 第145页 |
| ·操作算子 | 第145页 |
| ·混沌优化算法 | 第145-146页 |
| ·混沌DNA遗传算法实现步骤 | 第146-147页 |
| ·CDNA-GA的T-S模糊递归神经网络建模 | 第147-151页 |
| ·T-S模糊递归神经网络 | 第147-148页 |
| ·编码方式和适应度函数 | 第148-149页 |
| ·后件部分参数整定 | 第149页 |
| ·非线性系统建模 | 第149-151页 |
| ·pH中和过程建模 | 第151-155页 |
| ·问题描述 | 第151-153页 |
| ·实验结果与分析 | 第153-155页 |
| ·小结 | 第155-156页 |
| 第8章 多目标DNA遗传算法 | 第156-174页 |
| ·引言 | 第156-157页 |
| ·多目标优化问题 | 第157-158页 |
| ·多目标DNA遗传算法 | 第158-161页 |
| ·适应度值的计算 | 第158-159页 |
| ·基于相似个体的选择策略 | 第159-160页 |
| ·操作算子 | 第160页 |
| ·DNA-MOGA的实现步骤 | 第160-161页 |
| ·算法性能测试与结果分析 | 第161-166页 |
| ·基于DNA-MOGA的模糊广义预测控制器设计 | 第166-173页 |
| ·T-S模糊递归神经网络的参数估计 | 第167-168页 |
| ·模糊广义预测控制 | 第168-170页 |
| ·pH中和过程的控制仿真实验与结果 | 第170-173页 |
| ·小结 | 第173-174页 |
| 第9章 总结与展望 | 第174-178页 |
| ·全文工作总结 | 第174-176页 |
| ·研究展望 | 第176-178页 |
| 参考文献 | 第178-194页 |
| 作者简介 | 第194页 |
| 导师简介 | 第194-195页 |
| 作者在攻读博士学位期间参加的科研工作与研究成果 | 第195页 |
