| 中文摘要 | 第9-11页 |
| 英文摘要 | 第11页 |
| 第一章 绪论 | 第14-32页 |
| 第一节 发展和可持续发展 | 第14-17页 |
| 1．1．1 发展的概念 | 第14-15页 |
| 1．1．2 可持续发展 | 第15-17页 |
| 1． 可持续发展的定义 | 第15-16页 |
| 2． 可持续发展的系统观 | 第16-17页 |
| 第二节 清洁生产 | 第17-27页 |
| 1．2．1 环境污染的末端处理方法 | 第17-18页 |
| 1．2．2 清洁生产的概念 | 第18-19页 |
| 1．2．3 清洁生产的特点 | 第19-20页 |
| 1．2．4 清洁生产是可持续发展的模式 | 第20页 |
| 1．2．5 清洁生产的研究现状 | 第20-27页 |
| 1． 国际上清洁生产的研究现状 | 第20-24页 |
| 2． 中国清洁生产研究现状 | 第24-27页 |
| 第三节 基于过程控制技术的清洁生产 | 第27-29页 |
| 1．3．1 过程控制清洁生产技术的含义 | 第27页 |
| 1．3．2 基于过程控制清洁生产面临的问题 | 第27-28页 |
| 1．3．3 过程控制清洁生产研究现状 | 第28-29页 |
| 第四节 本文研究主要内容和成果 | 第29-32页 |
| 第二章 多目标优化及其在蒸煮过程清洁生产中的应用 | 第32-66页 |
| 第一节 多目标优化的基本理论和方法 | 第32-41页 |
| 2．1．1 Pareto有效解，弱有效解和最优解 | 第33-36页 |
| 1． 一般多目标优化的模型 | 第33-35页 |
| 2． 有效解、弱有效解和最优解 | 第35-36页 |
| 2．1．2 多目标优化的线性加权法 | 第36-37页 |
| 2．1．3 多目标模糊决策 | 第37-39页 |
| 2．1．4 分层多目标优化 | 第39-41页 |
| 第二节 多目标遗传算法 | 第41-46页 |
| 2．2．1 遗传算法的发展与现状 | 第41页 |
| 2．2．2 遗传算法的基本概念 | 第41-42页 |
| 2．2．3 遗传算法设计与执行策略 | 第42-44页 |
| 1． 遗传机制 | 第42-44页 |
| 2． 简单遗传算法 | 第44页 |
| 2．2．4 多目标优化的遗传算法 | 第44-46页 |
| 1． 向量进化GA（VEGA） | 第45页 |
| 2． 选择排序GA（Pareto GA） | 第45页 |
| 3． 小生境ParetoGA | 第45-46页 |
| 第三节 多目标模糊决策在蒸煮过程清洁生产中的应用 | 第46-52页 |
| 2．3．1 蒸煮过程的脱木素反应的卡伯值和有效碱浓度 | 第46-48页 |
| 2．3．2 多目标模糊决策优化控制方法 | 第48页 |
| 2．3．3 实例分析：连续蒸煮过程多目标模糊决策 | 第48-52页 |
| 第四节 间歇蒸煮过程的分层多目标优化 | 第52-58页 |
| 2．4．1 间歇蒸煮过程清洁生产的分层多目标优化数学模型 | 第52-54页 |
| 1． 制浆质量的目标函数 | 第52页 |
| 2． 环境污染目标函数 | 第52-53页 |
| 3． 制浆生产成本目标函数 | 第53-54页 |
| 2．4．2 间歇蒸煮过程的分层多目标优化方法 | 第54-57页 |
| 1． 第一优先层：纸浆质量的优化 | 第54-55页 |
| 2． 第二优先层：多目标遗传算法 | 第55-57页 |
| 2．4．3 优化结果 | 第57-58页 |
| 第五节 连续蒸煮过程混合PARETO遗传算法 | 第58-64页 |
| 2．5．1 混合Pareto GA | 第58-60页 |
| 1． 向量进化遗传算法（VEGA） | 第58-59页 |
| 2． 小生境遗传算法 | 第59页 |
| 3． Pareto层 | 第59页 |
| 4． 混合Pareto遗传算法的选择进化机制 | 第59-60页 |
| 2．5．2 混合Pareto GA计算过程 | 第60-62页 |
| 2．5．3 应用实例 | 第62页 |
| 2．5．4 优化结果 | 第62-64页 |
| 第六节 本章小结 | 第64-66页 |
| 第三章 推断控制及其在蒸煮过程清洁生产中的应用 | 第66-86页 |
| 第一节 蒸煮过程脱木素反应的控制 | 第66-67页 |
| 第二节 蒸煮过程脱木素反应有效碱浓度在线软测量 | 第67-70页 |
| 3．2．1 电导原理的浓度测量 | 第67-68页 |
| 3．2．2 在线软测量系统 | 第68-70页 |
| 第三节 推断控制系统设计 | 第70-81页 |
| 3．3．1 推断控制系统的组成 | 第71-75页 |
| 1． 推断控制系统的构成 | 第71-73页 |
| 2． 推断控制的特性 | 第73-75页 |
| 3．3．2 推断控制器设计 | 第75页 |
| 3．3．3 模型误差对系统性能的影响 | 第75-78页 |
| 1． 当扰动通道存在模型误差时 | 第75-76页 |
| 2． 当控制通道存在误差时 | 第76-78页 |
| 3．3．4 输出可测条件下的推断控制 | 第78-81页 |
| 1． 输出可测条件下的推断控制系统 | 第78-79页 |
| 2． 滤波器设计 | 第79-81页 |
| 第四节 连续蒸煮过程推断控制 | 第81-85页 |
| 3．4．1 蒸煮过程的推断控制算法 | 第81-84页 |
| 1． 模型设计 | 第82页 |
| 2． 滤波器设计 | 第82-83页 |
| 3． 推断控制器设计 | 第83-84页 |
| 3．4．2 仿真结果 | 第84-85页 |
| 第五节 本章小结 | 第85-86页 |
| 第四章 制浆过程清洁生产的多智能体模型 | 第86-108页 |
| 第一节 智能体的概念及模型 | 第86-89页 |
| 4．1．1 智能体的概念 | 第87-88页 |
| 1． 智能体的弱概念 | 第87-88页 |
| 2． 智能体的强概念 | 第88页 |
| 4．1．2 智能体的BDI模型 | 第88-89页 |
| 第二节 智能体的结构 | 第89-92页 |
| 4．2．1 认知智能体结构 | 第89-91页 |
| 4．2．2 反应智能体 | 第91-92页 |
| 4．2．3 混合结构 | 第92页 |
| 第三节 多智能体的通信和协调 | 第92-99页 |
| 4．3．1 通信方式 | 第93页 |
| 1． 黑板系统 | 第93页 |
| 2． 消息传送 | 第93页 |
| 4．3．2 智能体通信语言KQML | 第93-97页 |
| 1． KQML字符串语法 | 第94-95页 |
| 2． 保留的动作表达式参数 | 第95页 |
| 3． 保留的动作表达式 | 第95-97页 |
| 4．3．3 合同网 | 第97-99页 |
| 第四节 面向多智能体的软件技术和开发工具 | 第99-102页 |
| 4．4．1 智能体软件开发方法 | 第99-100页 |
| 4．4．2 分布式对象构件技术CORBA | 第100-102页 |
| 第五节 制浆过程的清洁生产多智能模型 | 第102-107页 |
| 4．5．1 制浆生产过程的清洁生产策略 | 第102-103页 |
| 4．5．2 系统的结构说明 | 第103页 |
| 4．5．3 实体Agent内部结构 | 第103-105页 |
| 4．5．4 清洁生产多智能体系统之间的协调 | 第105-107页 |
| 第六节 本章小结 | 第107-108页 |
| 第五章 基于多智能体的分布式智能控制系统 | 第108-134页 |
| 第一节 分布式智能控制系统 | 第108-110页 |
| 第二节 智能体模Π演算型 | 第110-114页 |
| 5．2．1 π演算 | 第110-111页 |
| 5．2．2 π演算描述智能体的心智态度 | 第111-112页 |
| 1． 信念 | 第111-112页 |
| 2． 目标 | 第112页 |
| 3． 意图 | 第112页 |
| 5．2．3 智能体的行为规范 | 第112-113页 |
| 5．2．4 智能体界面 | 第113-114页 |
| 第三节 面向智能体的程序设计 | 第114-119页 |
| 5．3．1 AGENT-0语言 | 第115-117页 |
| 5．3．2 AGENT-0解释器 | 第117-118页 |
| 5．3．3 智能体开发工具 | 第118-119页 |
| 1． 设计环境 | 第118页 |
| 2． Java语言 | 第118-119页 |
| 第四节 基于多智能体技术的多目标优化的分布式算法 | 第119-124页 |
| 5．4．1 Agent设计前言 | 第120-121页 |
| 5．4．2 多智能体系统（MAS） | 第121-122页 |
| 5．4．3 协调算法 | 第122页 |
| 5．4．4 蒸煮过程多目标优化MAS的实现 | 第122-123页 |
| 5．4．5 优化结果 | 第123-124页 |
| 第五节 基于多智能体技术的多变量DMC研究 | 第124-132页 |
| 5．5．1 多变量DMC递阶算法 | 第125-126页 |
| 5．5．2 Agent设计 | 第126-127页 |
| 5．5．3 协调算法的π演算描述 | 第127-129页 |
| 5．5．4 多变量DMC分布式智能体系统 | 第129-130页 |
| 5．5．5 仿真结果 | 第130-132页 |
| 第六节 本章小结 | 第132-134页 |
| 第六章 总结与展望 | 第134-136页 |
| 参考文献 | 第136-148页 |
| 致谢 | 第148-149页 |
| 附录 | 第149-150页 |