| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 发酵过程优化研究现状 | 第10-11页 |
| 1.3 粒子群算法研究现状 | 第11-12页 |
| 1.4 论文结构主要工作与结构安排 | 第12-14页 |
| 2 粒子群算法介绍 | 第14-20页 |
| 2.1 最优化问题 | 第14页 |
| 2.2 基本粒子群算法介绍 | 第14-17页 |
| 2.2.1 粒子群算法原理介绍 | 第14-15页 |
| 2.2.2 标准PSO算法的参数选择及基本流程 | 第15-17页 |
| 2.3 PSO算法的邻域拓扑结构分析 | 第17-19页 |
| 2.3.1 基于邻域拓扑的PSO算法 | 第17-18页 |
| 2.3.2 常用拓扑网络介绍 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 粒子群算法的改进研究 | 第20-38页 |
| 3.1 引言 | 第20-21页 |
| 3.2 避免早熟收敛的改进 | 第21-22页 |
| 3.2.1 基于混沌序列初始化的粒子群算法(L-PSO) | 第21页 |
| 3.2.2 自应速度变异的粒子群算法(V-PSO) | 第21-22页 |
| 3.3 算法局部搜索能力的改进 | 第22-26页 |
| 3.3.1 人工免疫算法机理 | 第22-23页 |
| 3.3.2 一种免疫粒子群算法(I-PSO) | 第23-25页 |
| 3.3.3 自适应变异免疫粒子群算法流程(IV-PSO) | 第25-26页 |
| 3.4 算法有效性验证 | 第26-37页 |
| 3.4.1 种群多样性评价指标 | 第26-27页 |
| 3.4.2 仿真实验 | 第27-36页 |
| 3.4.3 结果讨论与分析 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 改进粒子群算法在发酵过程中的应用 | 第38-54页 |
| 4.1 发酵过程优化控制 | 第38-43页 |
| 4.1.1 概述 | 第38-39页 |
| 4.1.2 基于GP模型的发酵过程建模 | 第39-41页 |
| 4.1.3 发酵过程补料速率的优化策略 | 第41-43页 |
| 4.2 IV-PSO算法在药物蛋白发酵过程优化中的应用 | 第43-46页 |
| 4.2.1 白箱优化策略中IV-PSO算法应用 | 第43-45页 |
| 4.2.2 黑箱优化策略中IV-PSO算法应用 | 第45-46页 |
| 4.3 有效性验证 | 第46-53页 |
| 4.3.1 HPV蛋白发酵优化仿真 | 第46-50页 |
| 4.3.2 白介素-2发酵优化仿真 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |
