| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-24页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·智能优化算法的起源、发展及应用 | 第11-17页 |
| ·遗传算法 | 第11-12页 |
| ·差分进化算法 | 第12-13页 |
| ·粒子群优化算法 | 第13-14页 |
| ·文化算法 | 第14-15页 |
| ·人工神经网络 | 第15-17页 |
| ·多目标进化算法 | 第17-18页 |
| ·多目标进化算法的研究现状 | 第17-18页 |
| ·多目标进化算法的应用 | 第18页 |
| ·德士古气化炉操作优化问题 | 第18-21页 |
| ·德士古气化炉的工艺流程 | 第19-20页 |
| ·德士古气化炉操作优化的研究进展 | 第20-21页 |
| ·本文的研究内容与章节安排 | 第21-24页 |
| 第2章 三层文化智能优化算法 | 第24-43页 |
| ·引言 | 第24页 |
| ·NLP优化问题 | 第24-25页 |
| ·三层文化智能优化算法 | 第25-30页 |
| ·3LMCA算法框架 | 第25-26页 |
| ·3LMCA的算法设计 | 第26-28页 |
| ·3LMCA的算法实现流程 | 第28-29页 |
| ·3LMCA与GA、PSO和DE算法的结合 | 第29-30页 |
| ·基于三层文化智能优化算法的NLP问题仿真实验与结果分析 | 第30-42页 |
| ·参数设置 | 第30-31页 |
| ·仿真结果与分析 | 第31-42页 |
| ·本章小节 | 第42-43页 |
| 第3章 三层文化智能优化算法在气化炉在线操作优化中的应用 | 第43-52页 |
| ·引言 | 第43页 |
| ·德士古气化炉在线操作优化模型 | 第43-49页 |
| ·德士古气化炉概述 | 第43-44页 |
| ·德士古气化炉工况在线操作优化模型 | 第44-49页 |
| ·基于三层文化智能优化算法的单目标德士古气化炉在线操作优化 | 第49-51页 |
| ·概述 | 第49页 |
| ·工况实例 | 第49-50页 |
| ·参数设置 | 第50页 |
| ·仿真结果与分析 | 第50-51页 |
| ·本章小节 | 第51-52页 |
| 第4章 基于三层文化差分进化算法的多目标优化问题研究 | 第52-78页 |
| ·引言 | 第52页 |
| ·多目标优化问题 | 第52-53页 |
| ·聚集函数法 | 第53-54页 |
| ·多目标三层文化差分进化算法(MO-3LM-CDE) | 第54-56页 |
| ·MO-3LM-CDE算法思想 | 第54-55页 |
| ·MO-3LM-CDE算法设计 | 第55页 |
| ·MO-3LM-CDE算法实现流程 | 第55-56页 |
| ·多目标优化问题的仿真研究 | 第56-77页 |
| ·基于聚集函数法的MO-3LM-CDE仿真结果与分析 | 第56-73页 |
| ·基于Pareto法的MO-3LM-CDE的仿真结果与分析 | 第73-77页 |
| ·本章小节 | 第77-78页 |
| 第5章 多目标算法在德士古气化炉操作优化问题中的应用 | 第78-84页 |
| ·引言 | 第78页 |
| ·德士古气化炉多目标操作优化模型 | 第78-79页 |
| ·仿真研究 | 第79-83页 |
| ·概述 | 第79页 |
| ·工况实例 | 第79页 |
| ·聚集函数法在气化炉多目标在线操作优化问题中的应用 | 第79-81页 |
| ·基于Pareto的方法在气化炉多目标在线操作优化问题中的应用 | 第81-82页 |
| ·仿真结果分析 | 第82-83页 |
| ·本章小结 | 第83-84页 |
| 第6章 总结与展望 | 第84-86页 |
| ·本文研究工作总结 | 第84-85页 |
| ·展望 | 第85-86页 |
| 附录A: 单目标测试函数 | 第86-91页 |
| 附录B: 多目标测试函数 | 第91-93页 |
| 参考文献 | 第93-100页 |
| 致谢 | 第100-101页 |
| 作者在攻读硕士学位期间取得的成果 | 第101页 |
