| 博士学位论文答辩决议书 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-13页 |
| 第一章 绪论 | 第13-27页 |
| ·研究背景及意义 | 第13页 |
| ·钢铁生产流程概述 | 第13-15页 |
| ·热轧生产计划及其研究现状 | 第15-20页 |
| ·运筹学方法 | 第18页 |
| ·智能优化方法 | 第18-20页 |
| ·约束满足方法 | 第20页 |
| ·人机交互方法 | 第20页 |
| ·热轧负荷分配及其研究现状 | 第20-23页 |
| ·能耗曲线法 | 第21页 |
| ·负荷分配系数法 | 第21-22页 |
| ·最优化方法 | 第22页 |
| ·智能化方法 | 第22-23页 |
| ·本文的技术路线 | 第23-25页 |
| ·本文的主要工作 | 第25-27页 |
| 第二章 基于MAXIMIN适应度函数的多目标群智能算法 | 第27-54页 |
| ·引言 | 第27页 |
| ·群智能算法 | 第27-29页 |
| ·多目标优化 | 第29-38页 |
| ·基本概念 | 第29-30页 |
| ·多目标优化方法分类 | 第30-33页 |
| ·多目标进化算法研究现状 | 第33-34页 |
| ·多目标群智能算法研究现状 | 第34-38页 |
| ·基于MAXIMIN适应度函数的多目标群智能算法 | 第38-53页 |
| ·Maximin适应度函数及其改进 | 第39-41页 |
| ·适应度分配 | 第41页 |
| ·精英保留 | 第41-44页 |
| ·多样性保留 | 第44-50页 |
| ·算法框架 | 第50-52页 |
| ·收敛性分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第三章 热轧生产计划的多目标蚁群算法 | 第54-79页 |
| ·引言 | 第54页 |
| ·热轧生产计划的多目标优化模型 | 第54-58页 |
| ·PARETO最大最小蚂蚁系统算法 | 第58-68页 |
| ·蚁群算法 | 第58-62页 |
| ·P-MMAS算法流程 | 第62-64页 |
| ·状态转移策略 | 第64-65页 |
| ·局部搜索策略 | 第65-66页 |
| ·精英保留与多样性保留策略 | 第66页 |
| ·信息素更新策略 | 第66-67页 |
| ·信息素平滑机制 | 第67-68页 |
| ·TOPSIS多目标决策方法 | 第68-70页 |
| ·仿真研究与分析 | 第70-78页 |
| ·测试环境设置 | 第70-72页 |
| ·性能度量指标 | 第72页 |
| ·结果与分析 | 第72-78页 |
| ·本章小结 | 第78-79页 |
| 第四章 热轧负荷分配的多目标粒子群算法 | 第79-112页 |
| ·引言 | 第79页 |
| ·热轧负荷分配机理模型 | 第79-84页 |
| ·轧制力模型 | 第80-81页 |
| ·轧辊磨损模型 | 第81-82页 |
| ·板形模型 | 第82-84页 |
| ·热轧负荷分配的多目标优化模型 | 第84-86页 |
| ·负荷分配的决策变量 | 第84-85页 |
| ·负荷分配的优化目标 | 第85-86页 |
| ·基于局部搜索的多目标粒子群算法 | 第86-96页 |
| ·算法流程 | 第86-87页 |
| ·粒子群算法 | 第87-90页 |
| ·变异算子 | 第90页 |
| ·局部搜索策略 | 第90-95页 |
| ·精英保留与多样性保留策略 | 第95-96页 |
| ·约束处理 | 第96页 |
| ·热轧负荷分配步骤 | 第96-97页 |
| ·仿真研究与分析 | 第97-110页 |
| ·基准测试问题仿真研究与分析 | 第97-104页 |
| ·热轧负荷分配仿真研究与分析 | 第104-110页 |
| ·在线应用研究 | 第110-111页 |
| ·本章小结 | 第111-112页 |
| 第五章 总结与展望 | 第112-114页 |
| ·本文总结 | 第112-113页 |
| ·研究展望 | 第113-114页 |
| 参考文献 | 第114-127页 |
| 致谢 | 第127-128页 |
| 攻读博士学位期间发表和录用的学术论文 | 第128页 |