| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 高炉炼铁概述及高炉炉温[Si]预测研究综述 | 第10-13页 |
| 1.1.1 现代高炉炼铁工艺流程 | 第10页 |
| 1.1.2 高炉炉温概念及高炉炼铁工艺对炉温预测要求 | 第10-11页 |
| 1.1.3 高炉炉温预测研究简介 | 第11-13页 |
| 1.2 遗传算法简介 | 第13-18页 |
| 1.2.1 遗传算法基本流程 | 第14-15页 |
| 1.2.2 遗传策略 | 第15-17页 |
| 1.2.3 遗传算法的应用 | 第17-18页 |
| 第2章 多目标优化问题及其进化算法求解 | 第18-28页 |
| 2.1 多目标优化问题 | 第18-21页 |
| 2.1.1 多目标优化问题的数学模型 | 第18-19页 |
| 2.1.2 多目标优化问题与单目标优化问题的本质区别 | 第19-20页 |
| 2.1.3 支配(Dominance)和Pareto最优解集 | 第20-21页 |
| 2.2 多目标优化算法对Pareto最优解集的要求 | 第21-22页 |
| 2.3 多目标优化问题的求解 | 第22-28页 |
| 2.3.1 传统方法 | 第22-23页 |
| 2.3.2 进化算法(Evolutionary method) | 第23-24页 |
| 2.3.3 NSGA-Π算法 | 第24-28页 |
| 第3章 Predator-Prey遗传算法 | 第28-52页 |
| 3.1 Predator-Prey模型 | 第28-34页 |
| 3.1.1 模型描述 | 第28-34页 |
| 3.2 Predator-Prey GA策略分析 | 第34-48页 |
| 3.2.1 空间图结构选取 | 第34-36页 |
| 3.2.2 种群规模设定 | 第36-38页 |
| 3.2.3 选择策略 | 第38-41页 |
| 3.2.4 交叉策略 | 第41-42页 |
| 3.2.5 变异策略 | 第42-44页 |
| 3.2.6 Predator参数设置 | 第44-47页 |
| 3.2.7 Predator移动策略 | 第47-48页 |
| 3.3 Predator-Prey GA设计准则 | 第48-51页 |
| 3.3.1 随机性确定性设计准则 | 第48-50页 |
| 3.3.2 改进型Predator-Prey GA算法 | 第50-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 基于Predator-Prey算法的高炉神经网络建模分析 | 第52-61页 |
| 4.1 BP神经网络模型 | 第52-53页 |
| 4.1.1 BP神经网络模型结构原理 | 第52页 |
| 4.1.2 基于高炉的BP神经网络模型参数 | 第52-53页 |
| 4.2 BP神经网络建模的多目标优化问题 | 第53页 |
| 4.3 优化算法设计 | 第53-54页 |
| 4.4 高炉BP神经网络建模的多目标优化仿真结果 | 第54-61页 |
| 4.4.1 数据预处理 | 第54-55页 |
| 4.4.2 BP神经网络参数设定 | 第55页 |
| 4.4.3 MPPGA算法仿真结果及分析 | 第55-61页 |
| 第5章 结论与展望 | 第61-63页 |
| 5.1 研究获取的主要结论 | 第61-62页 |
| 5.2 后续研究的展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-70页 |
| 致谢 | 第70页 |
