文摘
英文文摘
厦门大学学位论文原创性声明及著作权使用声明
第1章绪论
1.1动态过程与动态优化
1.2动态优化问题的一般解析方法
1.2.1变分法或基于极大值原理的解法
1.2.2基于最佳原理的动态规划方法
1.3动态优化问题的一般数值方法
1.3.1梯度方法
1.3.2动态规划方法
1.3.3迭代动态规划方法
1.3.4其他方法
1.4动态优化方法的集成策略
1.4.1化工动态优化问题的基本类型
1.4.2集成策略的基本思路
1.4.3混合算法的一般原则
1.5全文内容安排
第2章遗传算法的基本理论与实施
2.1引言
2.2遗传算法的生物遗传学基础
2.3标准遗传算法
2.3.1遗传算法的结构
2.3.2遗传算法的实施
2.4模式定理
2.5遗传算法的特点和操作关键
2.6标准遗传算法的局限
2.7本章小结
第3章迭代遗传算法
3.1引言
3.2迭代遗传算法的构建
3.2.1变量的离散化
3.2.2染色体编码
3.2.3初始染色体群的生成
3.2.4遗传寻优操作
3.2.5迭代计算
3.2.6迭代遗传算法的步骤
3.3迭代遗传算法的参数设定与测试
3.3.1参数设定
3.3.2算法测试
3.4应用于生物反应器的优化问题
3.4.1生物反应器的数学模型
3.4.2迭代遗传算法的优化结果与讨论
3.5本章小结
第4章蚁群算法简介
4.1蚁群原理及算法描述
4.1.1蚁群的自组织行为
4.1.2蚁群算法描述
4.1.3蚁群算法的特点
4.2基本蚁群算法及其改进算法
4.2.1引言
4.2.2蚂蚁系统的模型与实现
4.2.3改进的蚁群优化算法
4.3本章小结
第5章迭代蚁群算法
5.1引言
5.2迭代蚁群算法的框架
5.2.1变量的离散化处理
5.2.2控制策略与路径
5.2.3蚁群寻优操作
5.2.4迭代操作
5.3IACA中的蚁群寻优操作
5.3.1蚂蚁搜移的概率
5.3.2计算适应度值
5.3.3信息素的更新
5.3.4终止条件
5.4IACA的计算步骤与实例研究
5.4.1迭代蚁群算法的步骤
5.4.2实例研究
5.5生物反应器的优化测试
5.6本章小结
第6章总结与展望
6.1全文总结
6.2存在的不足
6.3工作展望
参考文献
致谢