基于改进遗传算法的多目标优化配矿方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究的背景意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 优化配矿模型国内外现状 | 第13页 |
| 1.2.2 优化配矿生产国内外现状 | 第13-15页 |
| 1.3 现有问题 | 第15-17页 |
| 1.4 主要研究内容 | 第17-19页 |
| 1.4.1 研究主要工作 | 第17-18页 |
| 1.4.2 文章结构 | 第18-19页 |
| 第2章 BP神经网络建模 | 第19-43页 |
| 2.1 神经网络概述 | 第19-28页 |
| 2.1.1 神经元 | 第19-22页 |
| 2.1.2 神经网络分类 | 第22-25页 |
| 2.1.3 神经网络学习方式 | 第25-28页 |
| 2.2 BP神经网络 | 第28-31页 |
| 2.2.1 BP神经网络概述 | 第28页 |
| 2.2.2 BP神经网络结构 | 第28-31页 |
| 2.3 配矿优化模型 | 第31-41页 |
| 2.3.1 优化配矿方法概述 | 第32-33页 |
| 2.3.2 资源利用率 | 第33-35页 |
| 2.3.3 数据驱动建模 | 第35-38页 |
| 2.3.4 优化模型的建立 | 第38-41页 |
| 2.4 本章小结 | 第41-43页 |
| 第3章 多目标优化配矿算法研究 | 第43-63页 |
| 3.1 多目标优化问题 | 第43-48页 |
| 3.1.1 多目标优化基本概念 | 第43-45页 |
| 3.1.2 多目标优化算法 | 第45-48页 |
| 3.2 带精英策略的非支配排序遗传算法 | 第48-56页 |
| 3.2.1 遗传算法 | 第48-50页 |
| 3.2.2 非支配排序遗传算法 | 第50-52页 |
| 3.2.3 NSGA-Ⅱ算法 | 第52-56页 |
| 3.3 配矿优化模型求解 | 第56-61页 |
| 3.3.1 优化模型参数 | 第56页 |
| 3.3.2 优化模型求解 | 第56-59页 |
| 3.3.3 TOPSIS决策 | 第59-61页 |
| 3.4 本章小结 | 第61-63页 |
| 第4章 软件平台的搭建及算法实现 | 第63-69页 |
| 4.1 优化系统的硬件环境 | 第63-64页 |
| 4.1.1 基础设备体系构建 | 第63-64页 |
| 4.1.2 网络系统设计 | 第64页 |
| 4.2 软件平台设计 | 第64-66页 |
| 4.2.1 功能设计 | 第64-65页 |
| 4.2.2 数据库系统 | 第65-66页 |
| 4.2.3 算法运行支撑软件 | 第66页 |
| 4.3 算法实现 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第5章 结论与展望 | 第69-71页 |
| 5.1 结论 | 第69页 |
| 5.2 展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间科研成果 | 第76页 |
