| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 铝电解控制系统及国内外发展现状 | 第12-14页 |
| 1.3 多目标优化算法及国内外发展现状 | 第14-19页 |
| 1.3.1 多目标优化问题及其研究意义 | 第14-17页 |
| 1.3.2 多目标优化算法的发展现状 | 第17-19页 |
| 1.4 本论文的主要工作 | 第19-21页 |
| 第二章 铝电解多目标控制的工艺分析与预测模型的建立 | 第21-31页 |
| 2.1 铝电解工艺发展 | 第21-23页 |
| 2.2 预焙槽铝电解生产的重要参数及特点 | 第23-25页 |
| 2.3 机理模型的构建 | 第25-26页 |
| 2.4 铝电解多目标优化神经网络预测模型的建立 | 第26-30页 |
| 2.5 本章小节 | 第30-31页 |
| 第三章 铝电解多目标控制系统的控制方案与量子优化算法 | 第31-57页 |
| 3.1 铝电解多目标控制系统的总体设计方案 | 第31-32页 |
| 3.2 神经网络的选择 | 第32-34页 |
| 3.3 BP神经网络 | 第34-38页 |
| 3.3.1 BP神经网络的介绍 | 第34-35页 |
| 3.3.2 铝电解多目标优化系统的BP神经网络控制器结构 | 第35-36页 |
| 3.3.3 学习与训练过程 | 第36-37页 |
| 3.3.4 BP神经网络控制器的不足 | 第37-38页 |
| 3.4 多目标进化算法 | 第38-45页 |
| 3.4.1 进化算法 | 第38-40页 |
| 3.4.2 多目标遗传算法的分类、关键性理论与典型的多目标遗传算法 | 第40-45页 |
| 3.4.2.1 多目标遗传算法的分类 | 第40-41页 |
| 3.4.2.2 多目标遗传算法的关键理论 | 第41-43页 |
| 3.4.2.3 典型的多目标进化算法 | 第43-45页 |
| 3.4.3 典型多目标进化算法的不足 | 第45页 |
| 3.5 量子多目标进化算法 | 第45-55页 |
| 3.5.1 量子优化算法的基础介绍 | 第45-47页 |
| 3.5.2 量子多目标遗传算法 | 第47-55页 |
| 3.5.2.1 量子编码方案 | 第47页 |
| 3.5.2.2 优化问题的解空间变换 | 第47页 |
| 3.5.2.3 量子多目标遗传算法进化算子 | 第47-51页 |
| 3.5.2.4 相位增量空间的调整 | 第51页 |
| 3.5.2.5 选择算子 | 第51页 |
| 3.5.2.6 量子交叉算子 | 第51-52页 |
| 3.5.2.7 量子变异算子 | 第52页 |
| 3.5.2.8 种群更新 | 第52-53页 |
| 3.5.2.9 量子多目标遗传算法描述 | 第53页 |
| 3.5.2.10 量子多目标遗传算法收敛性分析 | 第53-55页 |
| 3.6 本章小节 | 第55-57页 |
| 第四章 优化算法的性能测试及其与BP神经网络控制器的融合 | 第57-69页 |
| 4.1 量子多目标遗传算法的性能测试 | 第57-65页 |
| 4.1.1 测试问题 | 第57-59页 |
| 4.1.2 性能指标 | 第59-60页 |
| 4.1.3 实验参数的选择 | 第60页 |
| 4.1.4 实验结果与分析 | 第60-65页 |
| 4.2 量子多目标遗传算法与BP神经网络控制器的融合 | 第65-68页 |
| 4.2.1 量子多目标遗传算法与BP神经网络结合的关键因素 | 第65-66页 |
| 4.2.2 量子多目标遗传算法与BP神经网络的融合 | 第66-67页 |
| 4.2.3 关键性问题的解决与算法的优化流程 | 第67-68页 |
| 4.3 本章小结 | 第68-69页 |
| 第五章 铝电解多目标优化控制系统的实验仿真与结果分析 | 第69-77页 |
| 5.1 基于NSGAII的铝电解多目标优化控制系统的实验仿真 | 第69-72页 |
| 5.2 基于量子多目标遗传算法的铝电解多目标优化控制系统的实验仿真 | 第72-74页 |
| 5.3 两种改进算法的铝电解多目标控制系统实验仿真效果对比 | 第74-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 结论 | 第77-79页 |
| 6.1 总结 | 第77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 作者简介 | 第83-85页 |
| 致谢 | 第85-86页 |
