基于蚁群算法的工业过程稳态优化设计
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题来源背景及研究意义 | 第10页 |
| ·工业稳态优化的研究现状 | 第10-14页 |
| ·传统工业稳态优化的研究 | 第10-12页 |
| ·智能优化的发展 | 第12-13页 |
| ·国内外优化软件的发展 | 第13-14页 |
| ·课题来源及研究内容 | 第14-16页 |
| ·课题来源 | 第14页 |
| ·本文主要内容 | 第14-16页 |
| 第2章 工业过程稳态优化设计方法 | 第16-21页 |
| ·稳态优化问题的描述 | 第16-17页 |
| ·建模方法 | 第17-19页 |
| ·传统建模 | 第17-18页 |
| ·智能建模 | 第18-19页 |
| ·优化算法 | 第19-20页 |
| ·传统优化算法 | 第19页 |
| ·智能优化算法 | 第19-20页 |
| ·优化设计方案的提出 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 建立径向基神经网络系统模型 | 第21-38页 |
| ·神经网络模型的理论基础 | 第21-23页 |
| ·人工神经网络概述及特点 | 第21-22页 |
| ·人工神经网络学习方法 | 第22-23页 |
| ·RBF 神经网络结构和函数 | 第23-25页 |
| ·RBF 神经网络结构 | 第23-24页 |
| ·径向基函数 | 第24-25页 |
| ·RBF 神经网络的学习算法 | 第25-29页 |
| ·基本学习算法 | 第25-27页 |
| ·改进学习算法 | 第27-29页 |
| ·资源优化RBF 神经网络算法 | 第29-36页 |
| ·算法简述 | 第29页 |
| ·RON 在线RBF 神经网络设计方法 | 第29-34页 |
| ·算法实现 | 第34页 |
| ·仿真研究 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第4章 基本蚁群优化算法及其改进算法 | 第38-53页 |
| ·群体智能概述 | 第38-39页 |
| ·蚁群算法的应用现状 | 第39-40页 |
| ·基本蚁群算法 | 第40-45页 |
| ·蚁群算法搜索原理 | 第40-41页 |
| ·基本蚁群算法的描述 | 第41-44页 |
| ·基本蚁群算法的实现步骤及流程图 | 第44-45页 |
| ·几种主要的改进算法 | 第45-48页 |
| ·基本蚁群算法的优点与不足 | 第45-46页 |
| ·蚁群系统 | 第46-48页 |
| ·最大-最小蚂蚁系统 | 第48页 |
| ·基于自适应调整信息素的蚁群算法 | 第48-52页 |
| ·算法改进 | 第48-50页 |
| ·仿真实验 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 过氧化氢异丙苯稳态优化方案的设计 | 第53-58页 |
| ·过氧化氢异丙苯分解原理分析 | 第53-54页 |
| ·RON 在线RBF 网络模型建立 | 第54-56页 |
| ·蚁群算法的优化 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 附录1 | 第59-60页 |
| 附录2 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间所发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |
