摘要 | 第1-12页 |
ABSTRACT | 第12-15页 |
第一章 绪论 | 第15-31页 |
·研究背景 | 第15-16页 |
·国内外相关领域研究现状 | 第16-27页 |
·产品参数多目标优化设计研究现状 | 第16-20页 |
·多目标进化算法研究现状 | 第20-23页 |
·卷烟行业应用研究现状 | 第23-27页 |
·论文的主要研究内容与组织结构 | 第27-31页 |
·论文的主要研究内容 | 第27-28页 |
·论文的组织结构 | 第28-31页 |
第二章 卷烟产品参数优化设计问题分析 | 第31-47页 |
·工艺设计业务分解 | 第31-38页 |
·打叶复烤工艺设计 | 第32-33页 |
·制丝工艺设计 | 第33-34页 |
·辅料配套工艺设计 | 第34-35页 |
·工艺参数多目标优化问题 | 第35-38页 |
·配方设计业务分解 | 第38-43页 |
·叶组配方设计 | 第39页 |
·香精香料配方设计 | 第39-40页 |
·配方参数多目标优化问题 | 第40-43页 |
·黑盒多目标优化 | 第43-46页 |
·本章小结 | 第46-47页 |
第三章 集成神经网络和多目标进化算法的产品参数优化设计方法研究 | 第47-92页 |
·基于NN 和MOEA 的集成计算智能方法体系结构 | 第48-49页 |
·数据采集和处理 | 第48页 |
·混合优化 | 第48-49页 |
·决策分析 | 第49页 |
·基于跨越BP 算法的人工神经网络建模方法 | 第49-77页 |
·基于跨越连接的误差反向传播算法 | 第50-60页 |
·跨越BP 神经网络结构优化方法 | 第60-63页 |
·基于MOEA 和BP 的神经网络混合算法 | 第63-65页 |
·方法的应用和验证 | 第65-77页 |
·基于神经网络适应度函数的多目标进化算法 | 第77-90页 |
·多目标优化问题 | 第77-80页 |
·适应度 | 第80页 |
·基于神经网络适应度函数的多目标进化算法 | 第80-84页 |
·方法的应用和验证 | 第84-90页 |
·本章小结 | 第90-92页 |
第四章 基于NN 和MOEA 的卷烟工艺参数优化设计方法 | 第92-114页 |
·打叶复烤工艺参数优化设计 | 第92-96页 |
·训练数据的采集 | 第92-93页 |
·人工神经网络建模 | 第93-94页 |
·多目标优化模型 | 第94-96页 |
·模型求解及分析 | 第96页 |
·制丝工艺参数优化设计 | 第96-100页 |
·训练数据的采集 | 第97-98页 |
·人工神经网络建模 | 第98-99页 |
·多目标优化模型 | 第99-100页 |
·模型求解及分析 | 第100页 |
·辅料配套工艺参数优化设计 | 第100-102页 |
·训练数据的采集 | 第101页 |
·人工神经网络建模 | 第101-102页 |
·多目标优化模型 | 第102页 |
·模型求解及分析 | 第102页 |
·卷烟工艺参数优化设计方法 | 第102-105页 |
·优化方法 | 第102-104页 |
·优化算法 | 第104-105页 |
·方法的应用和验证 | 第105-112页 |
·概述 | 第105-107页 |
·仿真过程 | 第107-111页 |
·结论分析与验证 | 第111-112页 |
·新方法对传统工艺设计的影响 | 第112-113页 |
·本章小结 | 第113-114页 |
第五章 基于NN 和MOEA 的卷烟配方参数优化设计方法 | 第114-131页 |
·配方参数优化设计 | 第114-115页 |
·卷烟配方参数优化设计方法 | 第115-118页 |
·优化方法 | 第115-117页 |
·优化算法 | 第117-118页 |
·方法的应用和验证 | 第118-129页 |
·配方创新任务 | 第118-127页 |
·配方维护任务 | 第127-129页 |
·新方法对传统配方设计的影响 | 第129-130页 |
·本章小结 | 第130-131页 |
第六章 结论与展望 | 第131-134页 |
·本文总结 | 第131-132页 |
·进一步的研究与展望 | 第132-134页 |
致谢 | 第134-136页 |
参考文献 | 第136-144页 |
作者在学期间取得的学术成果 | 第144-145页 |
附录A 二次润叶特色工艺实验数据 | 第145-147页 |
附录B 烤烟化学成分与评吸结果数据 | 第147-152页 |