| 摘要 | 第1-12页 |
| 第一章 绪论 | 第12-17页 |
| 第二章 偏最小二乘回归与多元的循环子空间回归方法 | 第17-34页 |
| ·引言 | 第17-18页 |
| ·偏最小二乘回归方法(Partial Least Square Regression，PLSR) | 第18-25页 |
| ·偏最小二乘回归成分及其选取方法 | 第18-23页 |
| ·偏最小二乘回归算法 | 第23-25页 |
| ·多元循环子空间回归方法(Multi-Cyclic Subspace Regression，MCSR) | 第25-28页 |
| ·循环子空间回归方法(CSR)概述 | 第25-26页 |
| ·MCSR方法的原理及推导 | 第26-28页 |
| ·试验对比 | 第28-32页 |
| ·试验结果分析 | 第32-34页 |
| 第三章 径向基函数神经网络 | 第34-44页 |
| ·引言 | 第34-35页 |
| ·径向基函数神经网络结构 | 第35-38页 |
| ·径向基函数神经网络的学习 | 第38-39页 |
| ·径向基函数神经网络的逼近性能与学习速度试验 | 第39-42页 |
| ·建立径向基函数神经网络存在的问题 | 第42-44页 |
| 第四章 RBF-MCSR建模方法研究 | 第44-52页 |
| ·引言 | 第44页 |
| ·RBF-MCSR方法的构建 | 第44-46页 |
| ·试验 | 第46-52页 |
| 第五章 遗传算法(GA) | 第52-63页 |
| ·引言 | 第52-53页 |
| ·遗传算法的主要步骤及其实质 | 第53-57页 |
| ·遗传算法共性的研究 | 第57-59页 |
| ·遗传算法的不足 | 第59-63页 |
| 第六章 多智能体-遗传算法(MA-GA)优化方法研究 | 第63-89页 |
| ·引言 | 第63-64页 |
| ·智能体(Agent) | 第64-69页 |
| ·智能体的定义和本质属性 | 第64-67页 |
| ·智能体技术的应用--面向智能体的编程 | 第67-69页 |
| ·MA-GA系统的构建 | 第69-76页 |
| ·MA-GA系统的组成和描述 | 第70-73页 |
| ·MA-GA系统的功能实现 | 第73-76页 |
| ·MA-GA的算法流程设计 | 第76-78页 |
| ·函数优化应用实例 | 第78-89页 |
| ·与式(5-1)的性能对比 | 第79-80页 |
| ·De Jong的函数优化试验 | 第80-89页 |
| ·设置相关参数 | 第81-82页 |
| ·试验结果 | 第82-83页 |
| ·结论 | 第83-89页 |
| 第七章 RBF-MCSR与MA-GA方法用于二甲苯异构化过程的建模及寻优 | 第89-101页 |
| ·引言 | 第89页 |
| ·二甲苯异构化过程简介 | 第89-90页 |
| ·为二甲苯异构化过程建模 | 第90-97页 |
| ·模型的自变量和因变量 | 第91-94页 |
| ·建立模型 | 第94-97页 |
| ·结论 | 第97页 |
| ·二甲苯异构化过程的操作条件优化 | 第97-101页 |
| ·遗传参数设置 | 第98页 |
| ·优化结果比较 | 第98-101页 |
| 第八章 总结与展望 | 第101-104页 |
| 参考文献 | 第104-116页 |
| 致谢 | 第116-117页 |
| 攻读博士学位期间完成的论文和科研项目 | 第117页 |
