摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 课题研究背景及意义 | 第11-12页 |
1.2 区间优化算法的历史和发展现状 | 第12-16页 |
1.2.1 区间优化算法在数学方面的应用 | 第12-13页 |
1.2.2 区间优化算法在控制方面的应用 | 第13-16页 |
1.2.3 区间算法与其他算法的结合发展 | 第16页 |
1.3 区间算法的研究工具和资源 | 第16-17页 |
1.4 本文主要研究内容 | 第17-19页 |
第2章 区间优化算法基本理论 | 第19-33页 |
2.1 区间优化算法的基本概念 | 第19-23页 |
2.1.1 区间基础知识 | 第19-21页 |
2.1.2 区间函数与区间扩张 | 第21-23页 |
2.2 经典区间算法——区间二分法 | 第23-26页 |
2.2.1 有约束的非线性全局最优化问题 | 第23-24页 |
2.2.2 典型算法——区间二分法 | 第24-26页 |
2.3 区间二分法仿真算例 | 第26-28页 |
2.4 区间二分法存在问题分析 | 第28-31页 |
2.4.1 区间计算的保守性问题 | 第28-29页 |
2.4.2 区间计算的维数灾难 | 第29-30页 |
2.4.3 可行性区间筛选问题 | 第30-31页 |
2.5 本章小结 | 第31-33页 |
第3章 单目标优化区间粒子群算法研究 | 第33-51页 |
3.1 粒子群算法简介 | 第33-36页 |
3.1.1 粒子群优化算法的提出 | 第33-34页 |
3.1.2 粒子群优化算法的实现 | 第34-35页 |
3.1.3 粒子群算法参数分析 | 第35-36页 |
3.2 区间加速工具的构造 | 第36-38页 |
3.2.1 遗传算法区间加速工具介绍 | 第36-37页 |
3.2.2 粒子群优化算法与遗传算法区间加速工具的共性 | 第37-38页 |
3.2.3 粒子群优化算法相比于遗传算法在构造区间加速工具的优势 | 第38页 |
3.3 区间粒子群优化算法 | 第38-47页 |
3.3.1 区间粒子群优化算法 | 第39-40页 |
3.3.2 区间粒子群优化算法存在问题分析 | 第40-42页 |
3.3.3 区间粒子群优化算法的改进 | 第42-47页 |
3.4 仿真测试 | 第47-49页 |
3.5 本章小结 | 第49-51页 |
第4章 多目标优化区间粒子群算法研究 | 第51-65页 |
4.1 多目标优化 | 第51-53页 |
4.1.1 基本概念 | 第51页 |
4.1.2 多目标优化算法及其现状 | 第51-52页 |
4.1.3 进化多目标优化算法 | 第52-53页 |
4.2 非支配排序遗传算法(NSGA) | 第53-55页 |
4.2.1 NSGA算法基本原理 | 第53-55页 |
4.2.2 NSGA算法特点 | 第55页 |
4.3 带精英策略的非支配排序遗传算法(NSGA-Ⅱ) | 第55-56页 |
4.3.1 快速非支配排序方法 | 第55页 |
4.3.2 拥挤度和拥挤算子 | 第55-56页 |
4.3.3 精英策略 | 第56页 |
4.4 区间多目标优化 | 第56-62页 |
4.4.1 区间多目标优化问题的数学模型 | 第57页 |
4.4.2 区间多目标进化优化方法 | 第57-58页 |
4.4.3 区间多目标优化算法基础 | 第58-60页 |
4.4.4 非被占有排序区间粒子群算法(NSISA) | 第60-62页 |
4.5 多目标区间粒子群优化算法仿真测试 | 第62-64页 |
4.6 本章小结 | 第64-65页 |
第5章 基于区间粒子群算法的谷氨酸发酵过程两阶段优化 | 第65-85页 |
5.1 谷氨酸发酵过程介绍 | 第65-68页 |
5.1.1 谷氨酸发酵的历史和发展现状 | 第65-66页 |
5.1.2 谷氨酸的合成机制 | 第66-68页 |
5.2 谷氨酸发酵过程动态模型 | 第68-77页 |
5.2.1 动态神经网络 | 第68-72页 |
5.2.2 谷氨酸发酵过程数据处理 | 第72页 |
5.2.3 谷氨酸发酵的动态神经网络模型 | 第72-74页 |
5.2.4 谷氨酸发酵神经网络模型的区间扩张 | 第74-77页 |
5.3 谷氨酸发酵过程优化仿真 | 第77-84页 |
5.3.1 第一阶段单目标优化 | 第78-81页 |
5.3.2 第二阶段多目标优化 | 第81-84页 |
5.4 本章小结 | 第84-85页 |
第6章 总结与展望 | 第85-87页 |
参考文献 | 第87-91页 |
致谢 | 第91页 |