量子进化算法的改进研究及其在轧制规程优化中的实践
摘要 | 第1-7页 |
Abstract | 第7-13页 |
第1章 绪论 | 第13-29页 |
·课题背景及研究的目的和意义 | 第13-14页 |
·冷连轧机轧制过程研究进展 | 第14-16页 |
·冷连轧机生产工艺 | 第14-16页 |
·冷连轧机计算机控制 | 第16页 |
·冷连轧机规程优化研究进展 | 第16-20页 |
·传统优化方法 | 第17-18页 |
·轧制规程多目标优化研究进展 | 第18-19页 |
·数据挖掘在轧制规程优化中的应用 | 第19-20页 |
·量子进化算法研究进展 | 第20-25页 |
·单目标量子进化算法研究进展 | 第20-22页 |
·多目标量子进化算法研究进展 | 第22-25页 |
·支持向量机技术研究进展 | 第25-27页 |
·本文的主要研究内容 | 第27-29页 |
第2章 量子进化算法进化策略的改进研究 | 第29-51页 |
·引言 | 第29页 |
·量子进化算法 | 第29-33页 |
·进化算法 | 第29-30页 |
·经典量子进化算法 | 第30-33页 |
·轧制规程优化问题概述 | 第33-40页 |
·冷连轧轧制力模型 | 第35-36页 |
·应力状态系数和张力影响系数模型 | 第36-37页 |
·摩擦系数模型 | 第37-38页 |
·前滑模型 | 第38页 |
·变形抗力模型 | 第38页 |
·轧制力矩及轧制功率模型 | 第38-39页 |
·考虑弹性恢复的轧制力模型 | 第39-40页 |
·轧制规程优化问题三要素 | 第40-43页 |
·设计变量 | 第40页 |
·约束条件 | 第40-41页 |
·目标函数 | 第41-43页 |
·量子进化算法改进及应用 | 第43-49页 |
·改进量子旋转门查询表 | 第43-47页 |
·轧制规程优化实践 | 第47-49页 |
·本章小结 | 第49-51页 |
第3章 混合量子进化新算法的研究 | 第51-69页 |
·引言 | 第51页 |
·融合粒子群算法的混合量子进化算法 | 第51-59页 |
·粒子群算法 | 第51-54页 |
·基于粒子群算法的种群更新策略 | 第54-56页 |
·轧制规程优化实践 | 第56-59页 |
·融合微分进化算法的混合量子进化算法 | 第59-68页 |
·微分进化算法 | 第59-62页 |
·基于微分进化的种群更新策略 | 第62-65页 |
·轧制规程优化实践 | 第65-68页 |
·本章小结 | 第68-69页 |
第4章 量子混沌多目标进化算法研究 | 第69-87页 |
·引言 | 第69页 |
·多目标进化算法 | 第69-78页 |
·多目标优化问题的数学描述 | 第69-71页 |
·多目标优化方法分类 | 第71-73页 |
·关键技术及经典算法 | 第73-76页 |
·标准测试函数 | 第76-78页 |
·性能评价指标 | 第78页 |
·量子混沌多目标进化算法及仿真研究 | 第78-84页 |
·量子混沌多目标进化算法 | 第79-80页 |
·标准函数优化测试 | 第80-84页 |
·轧制规程优化实践 | 第84-86页 |
·本章小结 | 第86-87页 |
第5章 支持向量机回归方法研究及其应用 | 第87-108页 |
·引言 | 第87页 |
·数据挖掘简介 | 第87-88页 |
·支持向量机 | 第88-96页 |
·统计学习理论 | 第88-90页 |
·支持向量机回归方法 | 第90-96页 |
·混合量子进化算法优化支持向量机 | 第96-102页 |
·参数优化 | 第96-98页 |
·混合量子进化算法参数优化仿真分析 | 第98-102页 |
·在轧制规程优化中的应用 | 第102-107页 |
·数据预处理 | 第103-104页 |
·工程实践及分析 | 第104-107页 |
·本章小结 | 第107-108页 |
第6章 全连续冷连轧机轧制工艺优化工程实践 | 第108-122页 |
·引言 | 第108页 |
·工艺优化计算机系统 | 第108-113页 |
·WinCC | 第109-110页 |
·数据库 | 第110-113页 |
·轧制工艺优化系统工程实践 | 第113-121页 |
·轧制规程计算 | 第114-117页 |
·HMI 画面显示功能 | 第117-119页 |
·轧辊管理 | 第119-121页 |
·本章小结 | 第121-122页 |
结论 | 第122-124页 |
参考文献 | 第124-134页 |
附录 | 第134-135页 |
攻读博士学位期间承担的科研任务与主要成果 | 第135-137页 |
致谢 | 第137-138页 |
作者简介 | 第138页 |