| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 前言 | 第13-23页 |
| ·研究目的及意义 | 第13-15页 |
| ·国内外研究状况和进展 | 第15-20页 |
| ·人工免疫网络模型的研究 | 第15-17页 |
| ·基于群体的人工免疫算法研究 | 第17-18页 |
| ·人工免疫多Agent系统及应用研究 | 第18-20页 |
| ·论文的主要内容和安排 | 第20-23页 |
| 第2章 复杂适应系统及进化机制 | 第23-44页 |
| ·复杂适应系统与生物进化 | 第23-24页 |
| ·数学描述 | 第24-30页 |
| ·复杂适应系统模型 | 第24-26页 |
| ·遗传算法模型 | 第26-27页 |
| ·人工免疫系统及其模型 | 第27-30页 |
| ·算法的进化机制分析 | 第30-36页 |
| ·模式概念与定义 | 第30-32页 |
| ·遗传算法的进化机制 | 第32-34页 |
| ·免疫克隆选择算法的进化机制 | 第34-35页 |
| ·人工免疫网络的进化机制 | 第35-36页 |
| ·寻优性能评价指标 | 第36-37页 |
| ·实例验证分析 | 第37-43页 |
| ·本章小结 | 第43-44页 |
| 第3章 基于多Agent的人工免疫网络系统 | 第44-56页 |
| ·多Agent系统 | 第44-49页 |
| ·Agent的概念 | 第44-45页 |
| ·Agent的结构描述 | 第45-47页 |
| ·多Agent系统及其问题求解 | 第47-49页 |
| ·基于多Agent的人工免疫网络系统 | 第49-53页 |
| ·BDI-反应型免疫网络结构 | 第49-50页 |
| ·BDI-反应型免疫网络系统 | 第50-53页 |
| ·AINM-MOD的进化机制分析 | 第53-55页 |
| ·邻域克隆选择算子分析 | 第53-54页 |
| ·邻域竞争算子分析 | 第54页 |
| ·邻域协作算子分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 基于多Agent的人工免疫网络多模态全局优化策略及应用 | 第56-82页 |
| ·引言 | 第56-57页 |
| ·动态克隆选择多模态优化算法 | 第57-61页 |
| ·寻优策略 | 第57-58页 |
| ·动态克隆选择算法(DCAS) | 第58-61页 |
| ·基于多Agent的人工免疫网络多模态优化策略 | 第61-64页 |
| ·克隆策略 | 第62-63页 |
| ·变异策略 | 第63-64页 |
| ·基于多Agent的人工免疫网络多模态全局优化算法 | 第64-67页 |
| ·算法步骤 | 第64-65页 |
| ·收敛性证明 | 第65-67页 |
| ·算法复杂度分析 | 第67页 |
| ·实例验证分析 | 第67-73页 |
| ·克隆规模对Ma-aiNet寻优性能的影响 | 第67-68页 |
| ·变异算子对Ma-aiNet寻优性能的影响 | 第68-70页 |
| ·Ma-aiNet寻优性能分析 | 第70-71页 |
| ·Ma-aiNet随控制参数变化的寻优性能分析 | 第71页 |
| ·Ma-aiNet随维数变化的寻优性能分析 | 第71-73页 |
| ·在芳烃分馏系统资源分配中的应用 | 第73-80页 |
| ·背景介绍 | 第73-74页 |
| ·芳烃分馏装置C8~+A资源优化模型 | 第74-76页 |
| ·分馏系统的能耗模型分析 | 第76-78页 |
| ·分馏系统的资源优化 | 第78-80页 |
| ·本章小结 | 第80-82页 |
| 第5章 基于多Agent人工免疫网络高维非线性系统优化算法及应用 | 第82-99页 |
| ·引言 | 第82-83页 |
| ·多Agent的人工免疫网络高维函数寻优策略 | 第83-85页 |
| ·双重Agent网络结构 | 第83-84页 |
| ·双重变异策略 | 第84页 |
| ·动态协调搜索策略 | 第84页 |
| ·网格自学习策略 | 第84-85页 |
| ·多Agent的人工免疫网络高维寻优算法 | 第85-87页 |
| ·算法步骤 | 第85-87页 |
| ·算法收敛性分析 | 第87页 |
| ·实例验证分析 | 第87-94页 |
| ·测试函数 | 第87-88页 |
| ·Maopt-aiNet寻优性能及复杂度分析 | 第88-90页 |
| ·算法控制参数的选取 | 第90-94页 |
| ·在分馏装置建模中的应用 | 第94-97页 |
| ·本章小结 | 第97-99页 |
| 第6章 基于多Agent的人工免疫网络动态优化算法及应用 | 第99-121页 |
| ·引言 | 第99-100页 |
| ·动态环境寻优策略 | 第100-106页 |
| ·基于梯度信息的免疫进化寻优策略 | 第100-104页 |
| ·基于多Agent的免疫网络动态优化策略 | 第104-106页 |
| ·基于多Agent的免疫网络动态优化算法 | 第106页 |
| ·算法收敛性及复杂度分析 | 第106-107页 |
| ·算法收敛性分析 | 第106-107页 |
| ·算法复杂度分析 | 第107页 |
| ·仿真实验与分析 | 第107-111页 |
| ·移动峰动态试验 | 第107-110页 |
| ·Angeline测试试验 | 第110-111页 |
| ·动态函数优化的性能分析 | 第111-115页 |
| ·搜索算子对动态环境寻优的影响 | 第111-112页 |
| ·算法控制参数的选取 | 第112-113页 |
| ·系统维数与评估次数的关系 | 第113-115页 |
| ·在温室优化控制中的应用 | 第115-120页 |
| ·温室优化控制问题 | 第115-117页 |
| ·温室优化控制性能比较 | 第117-120页 |
| ·本章小结 | 第120-121页 |
| 第7章 结束语 | 第121-123页 |
| ·本文的主要工作总结 | 第121-122页 |
| ·进一步的讨论与展望 | 第122-123页 |
| 参考文献 | 第123-133页 |
| 致谢 | 第133-134页 |
| 攻读博士期间发表的学术论文和研究成果 | 第134-135页 |
