| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题背景 | 第9-10页 |
| ·模型预测控制算法的研究现状和挑战 | 第10-12页 |
| ·模型预测控制算法的研究现状 | 第10页 |
| ·模型预测控制算法的局限性 | 第10-12页 |
| ·本文的研究内容和结构 | 第12-13页 |
| 第二章 模型预测控制理论 | 第13-21页 |
| ·模型预测控制理论的基本原理和分类 | 第13-14页 |
| ·模型算法控制的数学模型 | 第14-16页 |
| ·预测模型-脉冲响应模型 | 第14-15页 |
| ·参考轨迹 | 第15-16页 |
| ·性能指标 | 第16页 |
| ·反馈校正 | 第16页 |
| ·单步 MAC | 第16-17页 |
| ·多步 MAC | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 支持向量回归算法 | 第21-31页 |
| ·机器学习问题和方法 | 第21-22页 |
| ·机器学习问题 | 第21页 |
| ·经验风险最小化 | 第21-22页 |
| ·统计学习理论 | 第22-24页 |
| ·VC 维 | 第23页 |
| ·结构风险最小化 | 第23-24页 |
| ·支持向量回归算法 | 第24-30页 |
| ·支持向量机 | 第24-26页 |
| ·支持向量分类算法的基本原理 | 第26-28页 |
| ·支持向量回归算法的基本原理和参数选取 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 多 Agent 粒子群算法 | 第31-38页 |
| ·标准粒子群算法 | 第31-32页 |
| ·多 Agent 系统 | 第32-34页 |
| ·Agent 技术 | 第32-33页 |
| ·多 Agent 系统 | 第33-34页 |
| ·多 Agent 粒子群算法(MAPSO) | 第34-37页 |
| ·定义 Agent 目的 | 第34页 |
| ·MASPO 的全局环境 | 第34-35页 |
| ·MAPSO 的局部环境 | 第35-36页 |
| ·MAPSO 算法中 Agent 的行动策略 | 第36页 |
| ·多 Agent 粒子群算法步骤 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 基于多 Agent 粒子群优化的单步 SVR 模型预测控制 | 第38-47页 |
| ·SVR 模型预测控制系统的数学模型 | 第38-42页 |
| ·参数选择 | 第38-39页 |
| ·预测模型 | 第39-40页 |
| ·反馈校正 | 第40页 |
| ·滚动优化 | 第40-42页 |
| ·算例分析 | 第42-45页 |
| ·本章小结 | 第45-47页 |
| 第六章 基于多 Agent 粒子群优化的多步 SVR 模型预测控制 | 第47-58页 |
| ·多步 SVR 模型预测控制的数学模型 | 第47-51页 |
| ·预测模型及其参数 | 第47-49页 |
| ·反馈校正 | 第49页 |
| ·滚动优化及预测控制流程 | 第49-51页 |
| ·算例分析 | 第51-56页 |
| ·仿真实例 1 | 第51-54页 |
| ·仿真实例 2 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第七章 全文总结与展望 | 第58-60页 |
| ·全文总结 | 第58-59页 |
| ·前景展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录：攻读硕士学位期间发表的论文和参与科研项目 | 第65页 |