| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第18-29页 |
| 1.1 引言 | 第18页 |
| 1.2 启发式算法的研究现状 | 第18-21页 |
| 1.2.1 经典启发式算法 | 第18-20页 |
| 1.2.2 智能布点算法 | 第20-21页 |
| 1.3 近似模型优化方法的研究现状 | 第21-24页 |
| 1.3.1 近似模型技术 | 第21-23页 |
| 1.3.2 基于近似模型技术的优化方法 | 第23-24页 |
| 1.4 多参数优化策略的研究现状 | 第24-26页 |
| 1.5 存在的问题和本文主要研究内容 | 第26-29页 |
| 1.5.1 存在的问题 | 第26-27页 |
| 1.5.2 本文主要研究内容 | 第27-29页 |
| 第2章 多参数非线性优化算法的基本理论 | 第29-56页 |
| 2.1 多参数解耦技术 | 第29-31页 |
| 2.1.1 HDMR | 第29-30页 |
| 2.1.2 Cut-HDMR | 第30-31页 |
| 2.2 常用近似模型技术 | 第31-36页 |
| 2.2.1 多项式回归模型 | 第31-33页 |
| 2.2.2 Kriging 插值 | 第33-36页 |
| 2.2.3 近似模型评价准则 | 第36页 |
| 2.3 离线试验设计方法 | 第36-38页 |
| 2.3.1 改进的拉丁方设计方法 | 第37-38页 |
| 2.3.2 蒙特卡罗设计方法(Monte Carlo Method) | 第38页 |
| 2.4 在线试验设计方法 | 第38-43页 |
| 2.4.1 DIRECT 方法 | 第39-41页 |
| 2.4.2 MPS 方法 | 第41-42页 |
| 2.4.3 COMPASS 方法 | 第42-43页 |
| 2.5 单目标优化算法 | 第43-49页 |
| 2.5.1 信赖域算法 | 第43-46页 |
| 2.5.2 遗传算法(GA) | 第46-49页 |
| 2.6 多目标优化算法 | 第49-55页 |
| 2.6.1 多目标优化问题概述 | 第49-50页 |
| 2.6.2 非支配排序多目标遗传算法(NSGA) | 第50-51页 |
| 2.6.3 基于精英策略的快速非支配排序多目标遗传算法(NSGAII) | 第51-54页 |
| 2.6.4 多目标优化算法的评价准则 | 第54-55页 |
| 2.7 小结 | 第55-56页 |
| 第3章 基于多参数解耦的自适应非线性近似模型方法 | 第56-81页 |
| 3.1 引言 | 第56页 |
| 3.2 Cut-HDMR 近似模型方法 | 第56-58页 |
| 3.3 基于多参数解耦的自适应近似模型方法 | 第58-61页 |
| 3.3.1 Cut-HDMR 模型的简化 | 第58-59页 |
| 3.3.2 自适应建模策略 | 第59页 |
| 3.3.3 Kriging-HDMR 的构造流程 | 第59-61页 |
| 3.4 数值算例 | 第61-75页 |
| 3.4.1 测试函数 | 第62-74页 |
| 3.4.2 结果与讨论 | 第74-75页 |
| 3.5 工程实例：基于拼焊结构的车身前纵梁变截面厚度优化 | 第75-80页 |
| 3.5.1 问题描述 | 第75-76页 |
| 3.5.2 有限元模型及其实验验证 | 第76-78页 |
| 3.5.3 优化结果及讨论 | 第78-80页 |
| 3.6 小结 | 第80-81页 |
| 第4章 基于连续型设计变量的多参数非线性优化算法 | 第81-103页 |
| 4.1 引言 | 第81页 |
| 4.2 基于多维投影技术的在线 Kriging-HDMR 近似模型策略 | 第81-83页 |
| 4.2.1 多维投影方法 | 第82-83页 |
| 4.2.2 误差补偿方法 | 第83页 |
| 4.3 基于多维投影技术的启发式全局搜索算法 | 第83-87页 |
| 4.4 数值算例 | 第87-93页 |
| 4.4.1 测试函数 | 第87-92页 |
| 4.4.2 结果与讨论 | 第92-93页 |
| 4.5 工程实例：薄板冲压成形工艺参数优化设计 | 第93-101页 |
| 4.5.1 算例 1：基于时变压边力的 U 形件回弹优化 | 第93-96页 |
| 4.5.2 算例 2：基于等效拉延筋的某冲压件扭曲回弹优化 | 第96-100页 |
| 4.5.3 讨论 | 第100-101页 |
| 4.6 小结 | 第101-103页 |
| 第5章 基于离散型设计变量的多参数非线性优化算法 | 第103-125页 |
| 5.1 引言 | 第103-104页 |
| 5.2 Utopia-Pareto 导向自适应搜索策略(UPDA) | 第104-108页 |
| 5.2.1 特征解的定义 | 第104-106页 |
| 5.2.2 采样集合的构造 | 第106-107页 |
| 5.2.3 UPDA 策略的基本流程 | 第107-108页 |
| 5.3 基于聚类分析的启发式采样算法(KCHS) | 第108-109页 |
| 5.3.1 k-mean 类划分 | 第108-109页 |
| 5.3.2 启发式采样 | 第109页 |
| 5.4 基于 Utopia-Pareto 导向自适应搜索的启发式优化方法 | 第109-112页 |
| 5.5 数值算例 | 第112-121页 |
| 5.5.1 测试问题 | 第112-120页 |
| 5.5.2 结果及讨论 | 第120-121页 |
| 5.6 工程实例：基于拼焊结构的车身前纵梁材料匹配优化 | 第121-124页 |
| 5.6.1 问题描述 | 第121-122页 |
| 5.6.2 有限元模型及其实验验证 | 第122-123页 |
| 5.6.3 优化结果及讨论 | 第123-124页 |
| 5.7 小结 | 第124-125页 |
| 结论与展望 | 第125-127页 |
| 参考文献 | 第127-142页 |
| 附录 A 攻读学位期间发表的学术论文目录 | 第142-143页 |
| 致谢 | 第143页 |
