| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-19页 |
| ·课题来源 | 第9页 |
| ·研究的目的和意义 | 第9-12页 |
| ·脱硫在钢铁生产中的重要价值 | 第9-10页 |
| ·国内外用于脱硫过程的技术 | 第10页 |
| ·建立脱硫静态模型的必要性和紧迫性 | 第10-12页 |
| ·铁水脱硫的主要影响因素以及脱硫工艺流程图 | 第12-13页 |
| ·铁水脱硫的主要影响因素 | 第12页 |
| ·脱硫工艺流程图 | 第12-13页 |
| ·国内外钢铁静态控制模型的发展及研究趋势 | 第13-15页 |
| ·国内外钢铁控制模型的发展现状 | 第13-14页 |
| ·传统的脱硫静态控制模型 | 第14页 |
| ·静态控制模型研究趋势 | 第14-15页 |
| ·基于智能蚂蚁算法优化的脱硫静态模型建立的可行性分析 | 第15-17页 |
| ·神经网络建模的优点 | 第15-17页 |
| ·基于智能蚂蚁算法优化的神经网络建模 | 第17页 |
| ·本文的主要研究工作与研究成果 | 第17-19页 |
| 2 蚂蚁算法的理论基础 | 第19-33页 |
| ·蚂蚁算法概述 | 第19-21页 |
| ·旅行商问题 | 第19-20页 |
| ·优点分析 | 第20-21页 |
| ·蚂蚁算法的生物学原型 | 第21-23页 |
| ·蚂蚁系统的基本原理 | 第23-24页 |
| ·蚂蚁系统模型 | 第24-26页 |
| ·蚂蚁算法的正负反馈特性 | 第24-25页 |
| ·蚂蚁算法的模型 | 第25-26页 |
| ·蚂蚁算法复杂度分析 | 第26-27页 |
| ·蚂蚁算法的时间复杂度 | 第26-27页 |
| ·蚂蚁算法的空间复杂度 | 第27页 |
| ·蚂蚁算法全局收敛性分析 | 第27-29页 |
| ·蚂蚁算法具体步骤和流程图 | 第29-30页 |
| ·蚂蚁算法的具体步骤 | 第29-30页 |
| ·蚂蚁算法流程图 | 第30页 |
| ·蚂蚁算法发展情况和研究现状 | 第30-33页 |
| 3 智能蚂蚁算法及其应用研究 | 第33-46页 |
| ·基本蚂蚁算法的局限性与智能蚂蚁算法的提出 | 第33-34页 |
| ·基本蚂蚁算法的局限性 | 第33-34页 |
| ·智能蚂蚁算法的提出 | 第34页 |
| ·智能蚂蚁算法建立的理论基础与合理性分析 | 第34-38页 |
| ·蚁群优化算法 | 第34-35页 |
| ·Max-Min蚂蚁算法 | 第35-36页 |
| ·局部优化 | 第36-38页 |
| ·智能蚂蚁算法参数作用分析和选择 | 第38-42页 |
| ·蚂蚁数量M的影响及选择 | 第39页 |
| ·参数ρ的影响分析及选择 | 第39-40页 |
| ·信息权值α、β的作用 | 第40页 |
| ·不同参数条件下智能蚂蚁算法的求解结果分析 | 第40-42页 |
| ·智能蚂蚁算法具体步骤和程序流程图 | 第42-44页 |
| ·智能蚂蚁系统算法具体步骤 | 第42-43页 |
| ·程序流程图 | 第43-44页 |
| ·实验结果 | 第44-46页 |
| 4 基于智能蚂蚁算法优化的脱硫静态模型 | 第46-56页 |
| ·基于RBF神经网络的脱硫静态模型 | 第46-47页 |
| ·径向基函数神经网络结构图 | 第46-47页 |
| ·基于RBF神经网络的脱硫静态模型结构图 | 第47页 |
| ·数据预处理 | 第47-50页 |
| ·数据清理 | 第48-49页 |
| ·数据变换 | 第49-50页 |
| ·仿真结果与分析 | 第50-56页 |
| ·传统的RBF神经网络建模 | 第50-52页 |
| ·基于智能蚂蚁算法优化的RBF神经网络建模 | 第52-56页 |
| 5 总结与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |