| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 工业生产过程优化的背景及意义 | 第11-12页 |
| 1.2 工业生产过程优化问题的发展及研究现状 | 第12-15页 |
| 1.3 案例推理方法的特点及研究现状 | 第15-18页 |
| 1.3.1 案例推理方法的特点 | 第15-16页 |
| 1.3.2 案例推理的研究现状 | 第16-18页 |
| 1.4 本文的主要工作 | 第18-19页 |
| 第2章 案例推理基础及其改进方法研究 | 第19-47页 |
| 2.1 案例推理的基本原理 | 第19-20页 |
| 2.2 案例推理的基本过程 | 第20-27页 |
| 2.2.1 案例表示 | 第20-22页 |
| 2.2.2 案例检索 | 第22-25页 |
| 2.2.3 案例重用及评价 | 第25-26页 |
| 2.2.4 案例库维护 | 第26-27页 |
| 2.3 基于遗传算法的案例库约简及案例属性权值同步优化策略 | 第27-37页 |
| 2.3.1 遗传算法 | 第27-29页 |
| 2.3.2 案例库约简及案例属性权值同步优化实现步骤 | 第29-34页 |
| 2.3.3 仿真研究 | 第34-37页 |
| 2.4 基于蚁群聚类算法的两级案例索引建立方法 | 第37-45页 |
| 2.4.1 蚁群聚类算法 | 第37-40页 |
| 2.4.2 基于蚁群聚类算法建立两级案例索引的步骤 | 第40-44页 |
| 2.4.3 仿真研究 | 第44-45页 |
| 2.5 本章小结 | 第45-47页 |
| 第3章 基于过程优化模型的源案例构造 | 第47-67页 |
| 3.1 基于模型的过程优化方法的基本概念 | 第47-50页 |
| 3.2 基于过程优化模型求解构造源案例的流程 | 第50-51页 |
| 3.3 过程优化模型的建立 | 第51-56页 |
| 3.3.1 优化模型的结构 | 第51-53页 |
| 3.3.2 建立过程模型 | 第53-56页 |
| 3.4 过程优化模型输入变量的取值策略 | 第56-58页 |
| 3.5 基于粒子群算法的优化模型的求解 | 第58-63页 |
| 3.5.1 优化求解算法概述 | 第58-59页 |
| 3.5.2 粒子群优化算法 | 第59-61页 |
| 3.5.3 基于分离比较策略解约束问题的粒子群优化算法 | 第61-63页 |
| 3.6 构建源案例库的案例学习策略 | 第63-64页 |
| 3.7 本章小结 | 第64-67页 |
| 第4章 基于案例推理的过程在线优化方法及其在球团生产过程优化中的应用 | 第67-81页 |
| 4.1 基于案例推理的工业生产过程在线优化方法 | 第67-72页 |
| 4.1.1 基于案例库两级索引的k-NN案例检索方法 | 第67-68页 |
| 4.1.2 案例重用方法 | 第68-69页 |
| 4.1.3 基于过程优化模型的在线案例评价策略 | 第69-70页 |
| 4.1.4 工业生产过程案例库维护方法 | 第70页 |
| 4.1.5 基于案例推理的工业生产过程优化方法的系统结构 | 第70-72页 |
| 4.2 球团配料过程 | 第72-73页 |
| 4.2.1 球团配料过程介绍 | 第72页 |
| 4.2.2 球团矿化学成分指标 | 第72-73页 |
| 4.3 基于球团配料过程优化模型的源案例构造 | 第73-77页 |
| 4.3.1 球团配料优化模型的建立 | 第73-74页 |
| 4.3.2 确定配料优化模型输入变量的取值 | 第74-76页 |
| 4.3.3 采用分离比较策略的粒子群优化算法求解 | 第76-77页 |
| 4.4 基于案例推理的球团配料优化过程仿真研究 | 第77-80页 |
| 4.5 本章小结 | 第80-81页 |
| 第5章 结论与展望 | 第81-83页 |
| 5.1 结论 | 第81-82页 |
| 5.2 未来研究展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87页 |
