首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于响应面的复杂黑箱模型优化算法研究

摘要第4-7页
Abstract第7-10页
1 绪论第15-42页
    1.0 课题来源第15页
    1.1 研究背景第15-18页
    1.2 研究目的和意义第18-21页
    1.3 国内外研究现状第21-38页
    1.4 本文研究内容、创新点及组织结构第38-41页
    1.5 本章小结第41-42页
2 基于混合响应面的无约束优化方法第42-66页
    2.1 引言第42页
    2.2 混合响应面近似技术第42-48页
    2.3 AMGO算法第48-65页
    2.4 本章小结第65-66页
3 基于响应面模型的约束优化方法第66-89页
    3.1 引言第66-67页
    3.2 约束矫正方法第67-68页
    3.3 RCGO算法第68-73页
    3.4 数值测试第73-82页
    3.5 工程应用——燃料电池汽车控制策略参数优化第82-88页
    3.6 本章小结第88-89页
4 基于响应面的混合整数优化算法第89-105页
    4.1 引言第89-90页
    4.2 混合整数非线性规划问题第90-91页
    4.3 DIRECT算法第91页
    4.4 基于响应面的混合整数优化方法第91-97页
    4.5 算法测试第97-102页
    4.6 工程应用——燃料电池汽车动力系统参数优化第102-104页
    4.7 本章小结第104-105页
5 基于Kriging响应面的多目标粒子群优化算法第105-130页
    5.1 引言第105-106页
    5.2 多目标优化基本概念第106-107页
    5.3 多目标粒子群算法第107-108页
    5.4 Kriging模型特性第108-111页
    5.5 Kriging响应面模型辅助的多目标粒子群优化第111-117页
    5.6 数值测试第117-123页
    5.7 工程应用——对称桁架及工字梁的参数优化第123-128页
    5.8 本章小结第128-130页
6 多学科平台下响应面优化算法集成及应用第130-145页
    6.1 引言第130-131页
    6.2 MDesigner平台功能结构第131-134页
    6.3 MDesigner与Matlab的集成第134-137页
    6.4 应用实例第137-144页
    6.5 本章小结第144-145页
7 总结与展望第145-150页
    7.1 全文总结第145-147页
    7.2 研究展望第147-150页
致谢第150-151页
参考文献第151-164页
附录1 攻读博士学位期间发表的主要论文第164页

论文共164页,点击 下载论文
上一篇:北京绿化隔离地区土地利用演变及规划实施机制研究
下一篇:基于纹理细节估计的多帧图像超分辨率重建算法研究