摘要 | 第1-5页 |
Abstract | 第5-11页 |
1 绪论 | 第11-25页 |
·选题科学依据与意义 | 第11-14页 |
·选题必要性 | 第11-12页 |
·选题可行性 | 第12-14页 |
·管路布局优化设计国内外研究概况 | 第14-21页 |
·迷宫法 | 第15-16页 |
·逃逸法 | 第16-17页 |
·网络优化算法 | 第17-18页 |
·Zhu算法 | 第18-19页 |
·遗传算法 | 第19-20页 |
·专家系统和模糊集理论 | 第20-21页 |
·单元生成法 | 第21页 |
·需要解决的问题 | 第21-22页 |
·论文研究目的及范围 | 第22-23页 |
·论文研究策略 | 第23页 |
·论文内容安排 | 第23-25页 |
2 基于遗传算法的船舶管路布局优化研究 | 第25-55页 |
·遗传算法 | 第25-33页 |
·生物进化及遗传算法的产生和发展 | 第25-27页 |
·遗传算法的基本思想和体系结构 | 第27-29页 |
·遗传算法的计算步骤和基本流程 | 第29-30页 |
·遗传算法的主要特点 | 第30-31页 |
·遗传算法在管路布置相关领域中的应用 | 第31-33页 |
·应用于船舶管路三维布局优化的遗传算法 | 第33-43页 |
·算法操作与关键参数设计 | 第33-40页 |
·计算仿真 | 第40-43页 |
·改进的遗传算法 | 第43-46页 |
·遗传算法的局限性 | 第43-44页 |
·自适应遗传算法 | 第44-45页 |
·模拟退伙遗传算法 | 第45-46页 |
·自适应退火遗传算法的船舶管路布局优化方法 | 第46-54页 |
·算法改进措施 | 第47-49页 |
·算法计算步骤 | 第49-50页 |
·仿真实验 | 第50-54页 |
·本章小结 | 第54-55页 |
3 蚁群管路敷设系统及其参数的敏感性分析 | 第55-82页 |
·蚁群优化算法 | 第55-65页 |
·蚂蚁的觅食行为 | 第55-57页 |
·蚁群算法的产生及其研究进展 | 第57-58页 |
·基本蚁群优化算法及其改进算法 | 第58-62页 |
·一般蚁群算法的组织结构 | 第62-63页 |
·蚁群算法的应用 | 第63-65页 |
·基于全局信息素迭代更新的蚁群管路敷设系统 | 第65-75页 |
·算法构成及实现 | 第65-69页 |
·仿真计算一 | 第69-73页 |
·仿真计算二 | 第73-75页 |
·迭代更新蚁群管路敷设系统参数的敏感性分析 | 第75-80页 |
·局部信息素残留系数γ对算法性能的影响 | 第75-76页 |
·全局信息素残留系数ρ对算法性能的影响 | 第76-78页 |
·信息素权重α和启发式信息权重β对算法性能的影响 | 第78-79页 |
·蚁群总数m对算法性能的影响 | 第79-80页 |
·结论 | 第80页 |
·本章小结 | 第80-82页 |
4 模糊集合理论在管路布局中的应用 | 第82-94页 |
·模糊子集和隶属函数 | 第82-85页 |
·存在于船舶管路布局中的模糊问题及其隶属函数的建立 | 第85-89页 |
·基于模糊的蚁群管路敷设系统 | 第89页 |
·计算仿真 | 第89-93页 |
·本章小结 | 第93-94页 |
5 多管路并行敷设的多蚁群协同进化算法 | 第94-106页 |
·协同进化算法 | 第94-97页 |
·生物的竞争、协同及协同进化 | 第94-95页 |
·协同进化算法的模型及其发展 | 第95-97页 |
·协同进化算法的基本特征和类型 | 第97页 |
·多种群互利共生类协同进化算法 | 第97-99页 |
·多蚁群协作式协同进化算法 | 第99-105页 |
·多蚁群协作式协同进化算法模型 | 第99-100页 |
·多蚁群协作式协同进化算法流程及其实现 | 第100-103页 |
·计算仿真 | 第103-105页 |
·本章小结 | 第105-106页 |
6 结论与展望 | 第106-110页 |
·全文工作总结 | 第106-108页 |
·未来展望 | 第108-110页 |
参考文献 | 第110-120页 |
攻读博士学位期间发表学术论文情况 | 第120-121页 |
攻读博士学位期间参与的科研项目 | 第121-122页 |
创新点摘要 | 第122-123页 |
致谢 | 第123-125页 |
大连理工大学学位论文版权使用授权书 | 第125页 |