| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 引言 | 第15-16页 |
| 1.2 基本粒子群 | 第16-18页 |
| 1.2.1 粒子群算法描述 | 第16-17页 |
| 1.2.2 PSO的相关改进 | 第17-18页 |
| 1.3 多目标粒子群 | 第18-22页 |
| 1.3.1 多目标优化问题的基础理论 | 第18页 |
| 1.3.2 多目标优化处理方法 | 第18-20页 |
| 1.3.3 多目标粒子群算法的改进 | 第20-22页 |
| 1.4 在工业领域的应用 | 第22-23页 |
| 1.5 本文主要的研究内容 | 第23-25页 |
| 第二章 多目标算法及其性能测试与评价 | 第25-31页 |
| 2.1 多目标粒子群优化算法 | 第25-27页 |
| 2.1.1 一般步骤 | 第25-26页 |
| 2.1.2 现存的多目标改进措施 | 第26-27页 |
| 2.2 多目标测试函数 | 第27-29页 |
| 2.3 性能度量 | 第29-30页 |
| 2.3.1 收敛度 | 第29页 |
| 2.3.2 多样度 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 多目标粒子群优化算法 | 第31-45页 |
| 3.1 链接矩阵 | 第31-33页 |
| 3.2 粒子群的自适应 | 第33-36页 |
| 3.2.1 进化状态度量算子 | 第33-35页 |
| 3.2.2 权重自适应 | 第35页 |
| 3.2.3 种群链接和变异的自适应 | 第35-36页 |
| 3.3 最优个体更新维护策略 | 第36-38页 |
| 3.3.1 均匀分布设计 | 第36-37页 |
| 3.3.2 多目标函数的适应值 | 第37-38页 |
| 3.3.3 最优解的更新 | 第38页 |
| 3.3.4 归档集的操作 | 第38页 |
| 3.5 多目标粒子群优化算法 | 第38-43页 |
| 3.5.1 算法描述 | 第39-40页 |
| 3.5.2 仿真研究及其结果分析 | 第40-43页 |
| 3.6 本章小节 | 第43-45页 |
| 第四章 多目标粒子群优化算法在工业过程优化中的应用 | 第45-67页 |
| 4.1 在甲醇转化成烃类建模中的应用 | 第46-47页 |
| 4.2 在Kumar模型一次选择性系数优化调整中的应用 | 第47-52页 |
| 4.2.1 乙烯裂解炉模型 | 第48-49页 |
| 4.2.2 模型动力学参数调整 | 第49-50页 |
| 4.2.3 模型一次性选择系数调整结果及分析 | 第50-52页 |
| 4.3 系统的辨识及其多目标整定 | 第52-65页 |
| 4.3.1 基于闭环过程信息约束的前向通道模型辨识方法 | 第52-56页 |
| 4.3.2 基于前向通道模型的多目标整定 | 第56-57页 |
| 4.3.3 前向通道模型辨识及其多目标整定 | 第57-58页 |
| 4.3.4 基于传递函数模型的仿真研究及结果分析 | 第58-63页 |
| 4.3.5 CSTH模型的辨识整定 | 第63-65页 |
| 4.6 本章小节 | 第65-67页 |
| 第五章 结论与展望 | 第67-69页 |
| 5.1 总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 研究成果 | 第75-77页 |
| 作者和导师简介 | 第77-78页 |
| 附件 | 第78-79页 |
