| 摘要 | 第1页 |
| ABSTRACT | 第3-4页 |
| 目录 | 第4-6页 |
| 第一章 引言 | 第6-12页 |
| ·选题背景及意义 | 第6-8页 |
| ·概述 | 第6-7页 |
| ·选题背景 | 第7-8页 |
| ·蚁群优化算法的产生与发展 | 第7页 |
| ·热工过程辨识 | 第7页 |
| ·控制器参数优化 | 第7-8页 |
| ·研究意义 | 第8页 |
| ·国内外研究动态 | 第8-10页 |
| ·论文的主要工作内容 | 第10-12页 |
| 第二章 蚁群算法的基本模型及其特点 | 第12-21页 |
| ·蚁群算法(Ant Colony Algorithm,ACA)的基本原理 | 第12页 |
| ·基本蚁群算法模型与流程 | 第12-14页 |
| ·基本蚁群算法的收敛性研究 | 第14-19页 |
| ·基本定义 | 第15-17页 |
| ·基于下鞅序列的蚁群算法A.S.收敛性证明 | 第17-18页 |
| ·蚁群算法的停时问题研究 | 第18-19页 |
| ·基本蚁群算法的优点与不足 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于免疫原理的蚁群算法 | 第21-33页 |
| ·引言 | 第21页 |
| ·生物免疫系统简介 | 第21页 |
| ·人工免疫算法(Artificial Immune Algorithm,AIA) | 第21-22页 |
| ·基于免疫原理的蚂蚁算法 | 第22-26页 |
| ·人工免疫算子的构造 | 第22-23页 |
| ·基于免疫原理的蚁群算法基本步骤 | 第23-26页 |
| ·算法参数选择 | 第26-30页 |
| ·信息素和启发函数对算法性能的影响 | 第26页 |
| ·信息素残留因子对算法性能的影响 | 第26-28页 |
| ·启发式因子对算法性能的影响 | 第28页 |
| ·期望启发式因子对算法性能的影响 | 第28-29页 |
| ·α、β、ρ组合配置对算法性能的影响 | 第29-30页 |
| ·仿真算例 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于免疫原理的蚁群算法在热工过程辨识中的应用 | 第33-41页 |
| ·引言 | 第33页 |
| ·过程辨识的步骤和方法 | 第33-35页 |
| ·基于免疫原理的蚁群算法在热工过程辨识中的应用 | 第35-37页 |
| ·过程辨识原理 | 第35-36页 |
| ·电厂热工过程研究对象 | 第36-37页 |
| ·过程辨识方案设计 | 第37页 |
| ·仿真与应用研究 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 基于免疫原理的蚁群算法的控制器参数优化 | 第41-51页 |
| ·PID控制器基本原理 | 第41-42页 |
| ·基于免疫原理的蚁群算法的PID参数优化整定 | 第42-44页 |
| ·目标函数选取 | 第42-43页 |
| ·优化整定方案设计 | 第43-44页 |
| ·仿真与应用研究 | 第44-50页 |
| ·单回路PID控制器参数整定 | 第44-46页 |
| ·串级PID控制器参数整定 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 在学期间发表的学术论文和参加科研情况 | 第56页 |
