| 第一章 绪论 | 第1-22页 |
| 1．1 引言 | 第10-11页 |
| 1．2 最优化问题 | 第11-14页 |
| 1．3 遗传算法的产生、发展和现状 | 第14-19页 |
| 1．4 控制器优化设计概述 | 第19-20页 |
| 1．5 本文的主要工作 | 第20-22页 |
| 第二章 遗传算法的基本原理和方法 | 第22-34页 |
| 2．1 引言 | 第22页 |
| 2．2 基本概念 | 第22-23页 |
| 2．3 遗传算法的步骤 | 第23-25页 |
| 2．4 遗传编码和遗传算子 | 第25-31页 |
| 2．5 遗传算法的特点 | 第31-33页 |
| 2．6 小结 | 第33-34页 |
| 第三章 基于分布种群遗传算法的 PID控制器参数优化整定 | 第34-47页 |
| 3．1 引言 | 第34-35页 |
| 3．2 PID控制器参数优化问题描述 | 第35页 |
| 3．3 基于分布种群的遗传算法(DPGA) | 第35-42页 |
| 3．4 使用 OPGA的 PID控制器参数优化与仿真实验 | 第42-46页 |
| 3．5 小结 | 第46-47页 |
| 第四章 单变量智能控制器参数优化整定 | 第47-61页 |
| 4．1 引言 | 第47-48页 |
| 4．2 神经元 PID控制器参数优化整定 | 第48-55页 |
| 4．3 模糊神经元控制器的参数优化整定 | 第55-58页 |
| 4．4 小结 | 第58-61页 |
| 第五章 基于分布种群遗传算法的多变量神经控制系统优化设计 | 第61-74页 |
| 5．1 引言 | 第61页 |
| 5．2 多变量神经控制系统的优化设计 | 第61-66页 |
| 5．3 火电单元组和多侧性精馏塔的动态特性 | 第66-68页 |
| 5．4 仿真实验及结果分析 | 第68-72页 |
| 5．5 小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6．1 本文的工作回顾 | 第74页 |
| 6．2 今后的研究工作 | 第74-76页 |
| 参考文献 | 第76-83页 |
| 作者在攻读硕士学位期间完成的论文 | 第83页 |
| 作者简介 | 第83页 |
