| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·课题的研究现状及发展趋势 | 第9-13页 |
| ·遗传算法的研究现状 | 第9-12页 |
| ·倒立摆的研究现状 | 第12-13页 |
| ·论文主要研究内容及其安排 | 第13-14页 |
| 第二章 遗传算法 | 第14-25页 |
| ·引言 | 第14页 |
| ·遗传算法的基本原理 | 第14-16页 |
| ·遗传算法的基本概念 | 第14-15页 |
| ·遗传算法的基本思想 | 第15页 |
| ·基本遗传算法 | 第15-16页 |
| ·遗传算法的运行机制 | 第16-22页 |
| ·染色体编码与解码 | 第16-17页 |
| ·种群设置 | 第17-18页 |
| ·适应度函数 | 第18-19页 |
| ·遗传操作 | 第19-21页 |
| ·控制参数的选择 | 第21-22页 |
| ·改进的遗传算法 | 第22-23页 |
| ·遗传算法的应用 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于梯度信息指导交叉的遗传算法 | 第25-39页 |
| ·引言 | 第25-26页 |
| ·算法描述 | 第26-27页 |
| ·最速下降法 | 第26-27页 |
| ·遗传算法 | 第27页 |
| ·梯度信息指导交叉的遗传算法 | 第27-32页 |
| ·编码以及初始化的改进 | 第27-28页 |
| ·适应度函数的定义 | 第28页 |
| ·选择策略 | 第28-29页 |
| ·指导交叉的原理 | 第29-31页 |
| ·非均匀变异 | 第31页 |
| ·种群多样性的保持 | 第31-32页 |
| ·改进遗传算法步骤 | 第32页 |
| ·实验结果与分析 | 第32-38页 |
| ·算法评价方法及测试函数 | 第32-34页 |
| ·指导交叉对遗传算法的影响及分析 | 第34-37页 |
| ·与其他改进遗传算法的比较及分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 求解约束优化问题的遗传算法 | 第39-52页 |
| ·引言 | 第39-40页 |
| ·基于遗传算法的约束处理技术 | 第40-43页 |
| ·惩罚函数法 | 第40-41页 |
| ·区分可行解与不可行解 | 第41-42页 |
| ·多目标优化技术 | 第42-43页 |
| ·求解约束优化问题的遗传算法 | 第43-48页 |
| ·适应度函数的设计 | 第43-44页 |
| ·选择操作 | 第44-45页 |
| ·交叉操作 | 第45-46页 |
| ·变异操作 | 第46页 |
| ·算法步骤 | 第46-48页 |
| ·数值试验 | 第48-51页 |
| ·测试函数 | 第48页 |
| ·参数设置及算法的整体性能分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 改进的遗传算法在倒立摆控制系统中的应用 | 第52-64页 |
| ·引言 | 第52-53页 |
| ·二级倒立摆的数学模型 | 第53-57页 |
| ·二级倒立摆系统的分析 | 第57-58页 |
| ·相关判定定理 | 第57-58页 |
| ·二级倒立摆系统的定性分析 | 第58页 |
| ·二级倒立摆控制器的设计 | 第58-63页 |
| ·LQR最优控制原理 | 第58-59页 |
| ·基于改进遗传算法的LQR控制器 | 第59-60页 |
| ·仿真实验及分析 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·本文总结 | 第64-65页 |
| ·有待解决的问题 | 第65-66页 |
| 附录 约束优化问题中的13个典型测试函数及其最优值 | 第66-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间的主要研究成果 | 第76页 |