基于粒子群动态优化算法的流程雁阵实时进化方法
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 前言 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 相关技术综述 | 第13-18页 |
| 1.2.1 大系统分解与优化 | 第13-15页 |
| 1.2.2 智能优化算法 | 第15-17页 |
| 1.2.3 流程雁阵方法 | 第17-18页 |
| 1.3 内容及章节安排 | 第18-20页 |
| 第二章 基于熵模型的动态粒子群优化算法 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 粒子群优化算法 | 第20-21页 |
| 2.3 基于熵模型的动态粒子群优化算法 | 第21-25页 |
| 2.3.1 空间等分机制 | 第21-22页 |
| 2.3.2 基于熵模型的多样性增强机制 | 第22-23页 |
| 2.3.3 算法描述 | 第23-24页 |
| 2.3.4 算法复杂度分析 | 第24-25页 |
| 2.4 实例研究 | 第25-28页 |
| 2.4.1 动态多峰benchmark问题 | 第25-26页 |
| 2.4.2 EDM-PSO算法参数设置 | 第26页 |
| 2.4.3 实验结果及分析 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 面向流程雁阵的实时进化方法 | 第30-48页 |
| 3.1 引言 | 第30页 |
| 3.2 流程雁阵 | 第30-35页 |
| 3.2.1 流程雁阵描述 | 第30-31页 |
| 3.2.2 流程雁阵基础 | 第31-34页 |
| 3.2.3 流程雁阵阵型调整 | 第34-35页 |
| 3.3 流程雁阵的实时进化方案 | 第35-40页 |
| 3.3.1 实时进化策略 | 第35-36页 |
| 3.3.2 实时进化算法构建 | 第36-39页 |
| 3.3.3 算法描述 | 第39-40页 |
| 3.4 实例分析 | 第40-47页 |
| 3.4.1 数学规划方法 | 第42-44页 |
| 3.4.2 智能优化算法 | 第44-46页 |
| 3.4.3 实时进化算法 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 应用研究 | 第48-72页 |
| 4.1 引言 | 第48页 |
| 4.2 TE过程流程雁阵 | 第48-60页 |
| 4.2.1 TE过程 | 第48-51页 |
| 4.2.2 多级流程雁阵结构 | 第51-53页 |
| 4.2.3 流程雁阵建模 | 第53-60页 |
| 4.3 TE过程流程雁阵优化 | 第60-70页 |
| 4.3.1 稳态优化 | 第60-62页 |
| 4.3.2 病态雁阵检测 | 第62-67页 |
| 4.3.4 实时进化 | 第67-70页 |
| 4.4 本章小结 | 第70-72页 |
| 第五章 结论与展望 | 第72-74页 |
| 参考文献 | 第74-82页 |
| 致谢 | 第82-84页 |
| 研究成果及发表的学术论文 | 第84-86页 |
| 作者及导师简介 | 第86-87页 |
| 附件 | 第87-88页 |
