摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第12-18页 |
1.1 研究背景和意义 | 第12-13页 |
1.2 研究内容 | 第13-14页 |
1.3 技术路线 | 第14-15页 |
1.4 章节安排 | 第15-18页 |
第2章 相关研究综述与理论基础 | 第18-30页 |
2.1 研究现状 | 第18-20页 |
2.1.1 板坯选择问题 | 第18-19页 |
2.1.2 加热炉调度问题 | 第19-20页 |
2.2 蚁群算法简介 | 第20-21页 |
2.3 遗传算法简介 | 第21-28页 |
2.3.1 基本遗传算法 | 第21-22页 |
2.3.2 多目标遗传算法 | 第22-28页 |
2.4 本章小结 | 第28-30页 |
第3章 热轧板坯选择与加热炉调度问题模型建立 | 第30-40页 |
3.1 问题描述 | 第30-32页 |
3.2 板坯选择与加热炉调度模型建立 | 第32-36页 |
3.2.1 模型假设 | 第32页 |
3.2.2 符号与参数说明 | 第32-34页 |
3.2.3 目标函数 | 第34页 |
3.2.4 约束条件 | 第34-36页 |
3.3 实验案例设计 | 第36-37页 |
3.4 算法性能评价指标 | 第37-38页 |
3.5 本章小结 | 第38-40页 |
第4章 求解板坯选择与加热炉调度问题的多目标蚁群算法 | 第40-60页 |
4.1 多目标蚁群算法设计 | 第40-47页 |
4.1.1 基本思想 | 第40-42页 |
4.1.2 启发式信息 | 第42-43页 |
4.1.3 状态转移规则 | 第43-44页 |
4.1.4 目标函数值确定 | 第44-45页 |
4.1.5 局域搜索设计 | 第45页 |
4.1.6 信息素更新原则 | 第45-47页 |
4.2 优化策略与算法流程 | 第47-49页 |
4.2.1 优化策略 | 第47-48页 |
4.2.2 算法流程设计 | 第48-49页 |
4.3 实验结果与分析 | 第49-58页 |
4.3.1 参数设置 | 第49-50页 |
4.3.2 实验结果与总结 | 第50-58页 |
4.4 本章小结 | 第58-60页 |
第5章 求解板坯选择与加热炉调度问题的NSGA-Ⅱ | 第60-86页 |
5.1 基本遗传算法设计 | 第60-64页 |
5.1.1 算法基本要素 | 第60-62页 |
5.1.2 算法自适应调节 | 第62页 |
5.1.3 算法流程 | 第62-64页 |
5.2 NSGA-Ⅱ设计 | 第64-65页 |
5.2.1 NSGA-Ⅱ选择操作 | 第64页 |
5.2.2 算法流程 | 第64-65页 |
5.3 基于局域搜索的NSGA-Ⅱ | 第65-67页 |
5.3.1 局域搜索个体选择 | 第65页 |
5.3.2 局域搜索策略 | 第65-66页 |
5.3.3 局域搜索结果评价方式 | 第66页 |
5.3.4 算法流程设计 | 第66-67页 |
5.4 实验结果与分析 | 第67-85页 |
5.4.1 算法参数设置 | 第67-68页 |
5.4.2 基本遗传算法实验 | 第68-73页 |
5.4.3 NSGA-Ⅱ实验 | 第73-77页 |
5.4.4 基于局域搜索的NSGA-Ⅱ实验 | 第77-85页 |
5.5 本章小结 | 第85-86页 |
第6章 连铸—热轧过程仿真系统中热轧调度功能模块 | 第86-98页 |
6.1 系统架构设计 | 第86页 |
6.2 热轧调度功能模块设计 | 第86-91页 |
6.2.1 模块功能需求 | 第86-88页 |
6.2.2 数据库设计 | 第88-89页 |
6.2.3 模块页面设计 | 第89-91页 |
6.3 实例验证 | 第91-97页 |
6.3.1 数据准备 | 第91-93页 |
6.3.2 实验结果 | 第93-97页 |
6.4 本章小结 | 第97-98页 |
第7章 总结与展望 | 第98-100页 |
7.1 论文工作总结 | 第98页 |
7.2 未来研究方向展望 | 第98-100页 |
参考文献 | 第100-106页 |
致谢 | 第106-108页 |
攻读硕士期间参加的科研项目与发表的论文 | 第108-109页 |
附录 | 第109-114页 |
附A: 时间约束推理算法 | 第109-111页 |
附B: 条件约束模型 | 第111-113页 |
附C: 单个轧制位上板坯选择与加热炉推荐启发式算法 | 第113-114页 |