声明
摘要
第一章 前言
1.1 研究背景及意义
1.2 相关技术综述
1.2.1 大系统分解与优化
1.2.2 智能优化算法
1.2.3 流程雁阵方法
1.3 内容及章节安排
第二章 基于熵模型的动态粒子群优化算法
2.1 引言
2.2 粒子群优化算法
2.3 基于熵模型的动态粒子群优化算法
2.3.1 空间等分机制
2.3.2 基于熵模型的多样性增强机制
2.3.3 算法描述
2.3.4 算法复杂度分析
2.4 实例研究
2.4.1 动态多峰benchmark问题
2.4.2 EDM-PSO算法参数设置
2.4.3 实验结果及分析
2.5 本章小结
第三章 面向流程雁阵的实时进化方法
3.1 引言
3.2 流程雁阵
3.2.1 流程雁阵描述
3.2.2 流程雁阵基础
3.2.3 流程雁阵阵型调整
3.3 流程雁阵的实时进化方案
3.3.1 实时进化策略
3.3.2 实时进化算法构建
3.3.3 算法描述
3.4 实例分析
3.4.1 数学规划方法
3.4.2 智能优化算法
3.4.3 实时进化算法
3.5 本章小结
第四章 应用研究
4.1 引言
4.2 TE过程流程雁阵
4.2.1 TE过程
4.2.2 多级流程雁阵结构
4.2.3 流程雁阵建模
4.3 TE过程流程雁阵优化
4.3.1 稳态优化
4.3.2 病态雁阵检测
4.3.3 实时优化
4.3.4 实时进化
4.4 本章小结
第五章 结论与展望
参考文献
致谢
研究成果及发表的学术论文
作者及导师简介
北京化工大学;