摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-18页 |
1.1 论文的研究背景及意义 | 第10-11页 |
1.2 文献综述 | 第11-15页 |
1.2.1 有限元模型修正 | 第11-13页 |
1.2.2 多解问题研究 | 第13-15页 |
1.3 论文的主要工作和创新点 | 第15-16页 |
1.4 论文章节安排和主要内容 | 第16-18页 |
第二章 有限元模型修正相关技术 | 第18-30页 |
2.1 有限元模型修正概念 | 第18-19页 |
2.2 有限元模型修正中的多解问题 | 第19-20页 |
2.3 有限元模型修正流程 | 第20-21页 |
2.4 有限元模型修正相关技术 | 第21-27页 |
2.4.1 抽样方法 | 第21-22页 |
2.4.2 代理模型 | 第22-24页 |
2.4.3 模态识别 | 第24-27页 |
2.5 现有多解寻优算法 | 第27-29页 |
2.5.1 小生境技术 | 第27-28页 |
2.5.2 稳态遗传算法 | 第28-29页 |
2.6 本章小结 | 第29-30页 |
第三章 基于邻域搜索的多种群人工蜂群算法 | 第30-44页 |
3.1 引言 | 第30-31页 |
3.2 人工蜂群算法 | 第31-35页 |
3.2.1 人工蜂群算法基本假设 | 第31页 |
3.2.2 人工蜂群算法流程 | 第31-35页 |
3.3 基于邻域搜索的多种群人工蜂群算法 | 第35-37页 |
3.3.1 算法改进思想 | 第35页 |
3.3.2 邻域搜索策略 | 第35-36页 |
3.3.3 候选蜂选择策略 | 第36-37页 |
3.3.4 算法流程 | 第37页 |
3.4 试验仿真及结果分析 | 第37-43页 |
3.4.1 单峰值测试函数 | 第37-39页 |
3.4.2 参数设置及优化结果分析 | 第39-41页 |
3.4.3 多峰值测试函数 | 第41-42页 |
3.4.4 优化结果分析 | 第42-43页 |
3.5 本章小结 | 第43-44页 |
第四章 双角度控制多种群粒子群算法 | 第44-53页 |
4.1 引言 | 第44-45页 |
4.2 基本粒子群算法 | 第45-47页 |
4.2.1 算法思想 | 第45-46页 |
4.2.2 算法流程 | 第46-47页 |
4.3 双角度控制多种群粒子群算法 | 第47-50页 |
4.3.1 算法基本思想 | 第47-48页 |
4.3.2 双角度控制选择种群最优 | 第48页 |
4.3.3 粒子所属种群判断 | 第48-49页 |
4.3.4 算法具体流程 | 第49-50页 |
4.4 数值算例测试及分析 | 第50-52页 |
4.4.1 测试函数的选取 | 第50页 |
4.4.2 参数设置及测试结果分析 | 第50-52页 |
4.5 本章小结 | 第52-53页 |
第五章 梯度-稳态遗传算法 | 第53-64页 |
5.1 引言 | 第53-54页 |
5.2 基本算法理论 | 第54-58页 |
5.2.1 梯度算法 | 第54-55页 |
5.2.2 遗传算法 | 第55-56页 |
5.2.3 SSGA算法 | 第56-58页 |
5.3 SSGA-GD 算法 | 第58-63页 |
5.3.1 算法思想及流程 | 第58-59页 |
5.3.2 数值算例测试 | 第59-63页 |
5.4 本章小结 | 第63-64页 |
第六章 ASCE-Benchmark 有限元模型修正 | 第64-72页 |
6.1 ASCE-Benchmark 模型 | 第64-65页 |
6.1.1 物理模型 | 第64-65页 |
6.1.2 有限元模型 | 第65页 |
6.2 ASCE-Benchmark 模态试验 | 第65-68页 |
6.3 ASCE-Benchmark 有限元模型修正 | 第68-70页 |
6.3.1 目标函数 | 第68-69页 |
6.3.2 优化算法对比 | 第69-70页 |
6.3.3 结论 | 第70页 |
6.4 小结 | 第70-72页 |
第七章 结论与展望 | 第72-74页 |
7.1 论文主要结论 | 第72页 |
7.2 下一步工作及展望 | 第72-74页 |
参考文献 | 第74-78页 |
致谢 | 第78-79页 |
研究生期间参与科研情况 | 第79页 |