一、多目标遗传算法在甲醇合成优化中的应用(论文文献综述)
范晨阳[1](2021)在《煤化学链过程联合循环发电系统的工艺优化及动态控制》文中提出随着人们生活水平的提高,对电的需求量也不断增加。煤作为电力生产的主要能源,其在获得电力的同时也产生了大量的二氧化碳(CO2),导致气候变化并对人民生活造成不利影响。化学链技术(Chemical Looping Technology,CLT)通过载氧体传递晶格氧,避免了燃料与空气直接接触,实现CO2捕集。本文提出了以Fe2O3/Al2O3为载氧体的煤化学链过程联合循环发电系统,在获得高电量产出的同时实现CO2的捕集,并将捕获的CO2用于生产甲醇以提高经济效益。首先,针对煤化学链过程联合循环发电系统进行模拟,通过灵敏度分析,研究了水蒸气-煤比对煤气化(Coal Gasification,CG)过程的影响,确定最佳水蒸气-煤比。然后,以化学链系统的总(火用)损失和总反应器体积最小为目标函数,通过非支配排序遗传算法寻找系统的最优解,总(火用)损失和总反应器体积分别为531MW和9259m3。并采用换热网络综合的方法,对燃气轮机余热锅炉(Heat Recovery Steam Generator,HRSG)系统换热面积进行优化。结果表明,优化后的结构可节省28.54%的换热面积。最后,本文对所有的流程均进行了动态控制研究。本文利用Materials Studio软件基于分子动力学(Molecular Dynamics,MD)的方法,研究了不同温度对氧化铁团簇表面烧结的影响,确定空气反应器的温度操作上限为1200℃。本文通过转移熵的方法确定了对HRSG系统中影响系统稳定性大的变量为关键变量,为动态控制方案提供设计依据。最终提出的控制方案能够很好地抵抗进料流量扰动,取得了较好的控制效果,对实际工艺的建立具有重要的指导意义。
杨新创[2](2020)在《反应精馏及反应隔壁精馏过程的PI与模型预测控制研究》文中研究指明精馏过程是化工生产过程中最广泛应用的一种分离技术,但是该过程的能耗高,能量效率低,因此分离过程的节能降耗尤为重要。过程强化技术可以显着地降低过程的能耗,节省设备的投资费用,减少设备的占地空间,因此在化工研究中被广泛应用。反应精馏过程和反应隔壁精馏过程作为过程强化的典型代表,通过反应过程和精馏过程的集成,可以明显的减少设备个数,降低操作费用,因此被大量研究学者进行研究报道。但是由于集成过程结构的复杂性,导致设备的操纵变量个数增加,而且变量之间的相互作用也呈现高度非线性,导致了过程的控制难度变得更大。本文针对甲酸生产的反应精馏过程和反应隔壁精馏过程进行研究。首先利用Aspen plus稳态模拟软件对传统反应精馏过程以及反应隔壁精馏过程进行稳态模拟研究,然后利用遗传算法,以年度总费用TAC为优化目标,对两种过程进行模拟优化。其次利用Aspen Dynamics动态流程模拟软件对其进行多回路温度PI控制研究,然后利用MATLAB软件的Simulink仿真模块和Aspen Dynamics联合运行对两种复杂精馏结构进行模型预测控制研究,然后通过多目标优化遗传算法对模型预测控制器的权重系数进行优化设计。最后通过添加进料扰动,分别测试反应精馏过程和反应隔壁精馏过程的PI控制和模型预测控制两种控制策略的动态响应,并进行比较分析。通过对两种控制结构的动态性能比较发现,对于进料扰动,虽然PI控制和模型预测控制都能够回到稳态,但PI控制对于某些被控变量的超调量很大,总体来说,相较于PI控制,模型预测控制能更好的抵抗扰动。模型预测控制对于进料扰动的动态响应曲线的振荡更小,超调量更小,过渡时间更少,而且对应的误差平方积分(ISE)值也更小。总体来说,模型预测控制结构在控制这类复杂的精馏结构方面相较于PI控制是更有优势的。
贾培源[3](2021)在《基于稀疏优化的高光谱数据解混算法研究》文中研究说明随着遥感技术的发展与光谱成像技术水平的提高,高光谱成像技术作为新式对地观测手段,得到了越来越多的关注。高光谱影像能够在较广的光谱域范围内以极高的光谱分辨率记录地物光谱辐射信息,为地物类别分辨提供了数据支持。然而由于现阶段成像设备存在空间分辨率与光谱分辨率无法兼顾的限制及成像场景的复杂性,图像空间分辨率的不足导致单一像元的光谱是不同物质光谱的混合,为图像的精细分类、统计分析与微弱目标检测等带来了困难。高光谱解混通过分析遥感成像的光学机理并建立光谱混合模型,能够将混合像元光谱分解为端元与丰度信息,从而在空间分辨率不足的场合下实现不同物质光谱特征的识别与对应地物空间分布的反演求解。因此,光谱解混技术作为一项先进的高光谱处理技术与手段,是实现遥感定量分析与应用的重要基础之一。论文以高光谱影像处理为核心,以影像半监督与无监督光谱特征成分提取与丰度反演计算为主旨,重点分析高光谱影像线性分解与数据重构过程中面临的主要问题,探讨在不同模型下利用稀疏约束信息、空间信息等提升算法的解混能力,对几类基于高光谱遥感影像的稀疏解混方法进行了深入的研究。本论文结合公开光谱库的仿真数据集以及真实遥感高光谱数据,对算法参数的设置、性能分析及对噪声的鲁棒性等分别进行研究,并与目前先进的正则类稀疏解混算法、多目标稀疏解混算法与深度解混网络等进行了充分详细的对比。论文的具体研究内容包括以下几个部分。针对传统半监督稀疏解混算法空间信息利用率不足、解混精度受限的问题,本论文提出结合超图与重加权?1范数的高光谱稀疏解混算法,通过在高光谱影像数据内构建超图结构,邻域内具有光谱相似性的多个像素被包含在超图的边中以表示复杂的流形关系,将空间信息引入模型以更好提升解混性能。同时引入重加权?1范数稀疏优化对难以求解的?0问题进行近似,以获得丰度解的进一步稀疏表示。实验结果表明该方法具有优秀的解混性能与良好的鲁棒性。由于光谱库的高冗余性与库内端元特征的高相干性,正则化稀疏优化解混方法难以摆脱对权值参数的依赖,本论文将高光谱稀疏解混与多目标优化问题相结合,提出一种多目标稀疏解混框架。为引入局部空间信息,提出一种距离度量的超像素分割算法处理高光谱图像,实现对图像的超像素分割;引入衡量局部空间均一性的尺度度量,将针对整个影像的数据处理划分为针对超像素子块的处理。通过遗传算法寻找到能适应各子块的字典优胜组合。对优胜解进行合并,并从中确定唯一最优解,从而确定端元矩阵并反演获得丰度信息。基于高光谱影像的对比实验表明,该方法能够在不同信噪比下识别获得端元矩阵并求取准确的丰度信息,从而获得优越的解混性能。深度网络模型能够以半监督或无监督的方式学习到高维输入信号的深层特征信息,本文进一步引入有效的稀疏约束,使网络学习性能与泛化能力得到了增强。本文尝试从特征提取和无监督解混两方面,分别探讨卷积网络在特征提取及无监督解混的性能。本文首先构建基于卷积的二维特征提取网络,通过引入像元邻域光谱构成光谱特征输入,对网络训练;在网络训练中引入稀疏性约束,以无监督的方式学习输入的稀疏特征,提升网络的泛化性能。另一方面,针对高光谱图像的三阶张量结构,建立一种三维去噪卷积自编码解混网络,在噪声背景下提取有效空谱特征信息以获得光谱信号复原;同时在自编码网络中引入?2,1范数稀疏正则,通过自学习得到端元矩阵与丰度信息。实验结果表明,本文提出的卷积网络模型在高光谱特征提取与无监督解混过程中都表现出良好的性能及效果。论文从光谱解混模型中蕴含的稀疏性出发,充分利用高光谱数据丰富的空谱联合信息建立半监督与无监督稀疏解混模型,对混合像元光谱分解问题进行了深入研究,为复杂场景下高光谱混合像元端元提取与丰度反演任务提供了有效的解混算法。基于超图与重加权?1范数稀疏解混算法通过构建超图空间约束实现精确的丰度信息获取,适用于光谱解混问题中空间信息利用率不足的场景;基于超像素的多目标稀疏解混借助图像分割进行并行运算,能够直接从冗余库内提取端元信息与丰度特征,适用于具有典型空间一致性的现场影像端元光谱特征识别应用;深度三维自编码解混网络通过双自编码器级联的方式无监督训练学习端元与丰度信息,适用于高噪声背景下对端元与丰度精确获取的需求。论文工作对定量评估地物成分、提升高光谱图像数据的利用与解析能力、促进高光谱技术在精准农业、城市遥感及矿藏勘探等领域的发展,具有重要的理论意义和研究价值。
石向成,赵志坚,巩金龙[4](2021)在《遗传算法在催化体系的全局结构优化中的应用》文中提出对催化体系进行全局结构优化,搜寻基态结构对预测催化剂结构、分析反应物的吸附特性、研究多相催化反应机理、构建实际反应路径等方面至关重要。遗传算法通过交叉、变异和选择等操作,模拟了自然淘汰进化过程,来搜索势能面上的基态结构。作为一种无偏优化算法,遗传算法的优化过程不依赖于输入结构,具有很强的全局搜索能力。对遗传算法在催化体系的全局结构优化问题中的应用进行了综述,介绍了遗传算法在实空间上进行全局结构优化的基本程序框架以及近年来结合并行计算、机器学习等技术发展的改进框架,并讨论了它们在团簇优化、负载型催化剂的结构优化问题上的相关应用,为遗传算法的进一步改进以及更广泛的应用提供理论指导。
胡艾霖[5](2020)在《基于多目标遗传算法的施工人员配置优化》文中提出水利工程施工具有工期长且投资量大的特点,其施工工艺及组织管理的复杂化促使工程项目管理水平必须有实质性提升。项目施工中需要大量的施工人员参与项目,施工的不同阶段需要的施工人员的类型和数量不同,有时甚至需要多种人员的协调配合,由于人员的调配与流动不仅影响项目的持续高效开展,还关系到人工成本的控制,从而影响项目的进度和成本控制。由于分项工程性质以及人员需求不同,施工人员或班组对各分项工程的经验和熟练程度也有较大不同,施工人员或班组的配置在一定程度上成为影响工期、成本和效率的重要因素。因此本文首先提出了施工过程中个人经验值和班组经验值的概念和计算公式,建立了考虑经验值和工作均衡的施工人员配置模型,设计了优化变量的遗传编码结构,采用改进的非支配排序遗传算法NSGA-Ⅱ求解优化模型。主要内容如下:(1)阐述了水利工程建设过程中施工人员配置的重要性及施工优化现状,分析了水利工程人员调度的优化的特点,同时提出在人员一定的情况下,工期、施工人员成本以及人员工作时间均衡这三个因素与施工人员经验值的关系,为后续施工人员配置优化模型的建立提供基础;(2)针对施工人员优化配置是多目标、多约束的优化问题的特点,对比分析了常用智能优化方法的适用性,并对本文采用的非支配排序遗传NSGA-Ⅱ算法的基本原理及改进方法进行了阐述;(3)建立施工人员配置优化模型,以工期、施工人员成本、工作时间均衡三个方面为优化目标,设计优化变量的遗传编码结构与约束条件,并针对研究的多目标多约束问题改进非支配排序遗传算法NSGA-Ⅱ,求解优化模型;(4)以某水库副坝工程为实例进行了施工班组的优化配置,实现了工期、成本和班组均衡作业的优化,优化方案和原施工方案对比结果验证了模型和方法的合理性和科学性。
唐乐[6](2020)在《基于多目标遗传算法的小水线面双体船EEDI片体尺度优化研究》文中研究说明能效设计指数(energy efficiency design index,EEDI)是国际海事组织于2011年确立,衡量船舶二氧化碳排放的标准。对于小水线面双体船,尚未有相关机构和组织对其EEDI规范有明确规定,但是小水线面双体船凭借优异的性能,日益广泛地应用在海洋运输领域,而且国际海事组织对EEDI的要求愈加严格。因此,有必要就小水线面双体船的EEDI进行相关研究,具体内容如下:(1)分析了EEDI产生的背景,对Attained EEDI和Required EEDI计算应该考虑的因素、适用船型和EEDI发展趋势进行了研究;(2)基于现阶段常规运输船舶的能效设计指数验证和小水线面双体船的特点,提出了小水线面双体船EEDI验证准则的建议,对能效不达标的小水线面双体船提出了降低其EEDI值的措施,并对提出的EEDI公式进行单变量和多变量敏感度分析;(3)为寻求节能高效的小水线面双体船片体尺度要素,以一艘典型小水线面双体高速车客跨海渡船为研究对象,从多目标优化的角度出发,做出合理假设根据海军部系数法和国际吨位丈量公约分别将子目标设计航速和总吨参数化,进而使主目标能效设计指数成为片体尺度要素函数。基于MATLAB优化工具箱应用多目标遗传算法(Multi-Objective Genetic Algorithm,MOGA),以阻力、强度、结构和能效要求等因素为依据定义约束条件,设置优化参数并考虑混合函数的影响,得到优化船型Pareto解集。并讨论多目标优化的计算结果,分析了多目标优化优化船型方案中片体尺度要素的分布情况;(4)通过加权组合法、目标规划法等5种优化方法将子目标航速和总吨构成一个新的总目标函数,把原本的多目标问题转化为具有统一目标函数的单目标问题。分析不同方法计算结果,论证了多目标遗传算法具有良好的适应性,能够获得较丰富的备选优化方案,有利于决策者选择。本文提出了小水线面双体船能效设计指数验证规范,基于敏感度分析得到了航速是对其EEDI影响最大参数,通过多目标遗传算法优化母型船能效,随后论证了多目标遗传算法的适用性及优越性,为将来小水线面双体船EEDI的强制实施提供参考和建议。
戚萌[7](2019)在《化工装置安全仪表系统的误动作及设计优化研究》文中研究说明石化、化工行业是我国的支柱行业,在国民经济发展中扮演着重要的地位,但也因其生产规模大、安全风险高、事故时有发生而备受社会关注。安全仪表系统用于化工装置中可以主动防止事故的发生,降低事故发生的频率和后果的严重程度。但无危险情况下的安全仪表系统的误动作则会造成经济损失,也带来一定的安全风险。鉴于目前安全仪表系统误动作研究不足的现状及企业自身追求安全与经济二者平衡的切实需求,本文对化工装置中安全仪表系统的误动作及设计优化进行了全面的研究。从误动作的概念、定义及触发原因入手,在元件、安全联锁回路以及化工装置三个层面对安全仪表系统误动作进行了归纳总结,建立了一套适用于化工企业的误动作率等级标准的判定方法,并用于化工装置水供应系统关键联锁回路的误动作分析。在误动作率等级标准要求下,基于已有的误动作概念,考虑安全失效和危险可检测失效组合可导致误动作的情形,推导了安全仪表系统通用Koo N表决结构的误动作率量化模型。该模型基于最新误动作研究理论有效解决了复杂表决结构的误动作率量化问题,使之可以有效结合于安全仪表系统的优化设计中。在优化设计部分,考察了元件类型、冗余结构和维修时间间隔三个决策变量对安全仪表系统可靠性、误动作率以及生命周期成本的影响,结合现有推导模型,安全仪表系统中出现了较以往研究更为优化的冗余结构,并以焦炉气制甲醇工艺为例,应用NSGA-II遗传算法对其典型的安全联锁回路进行设计优化。案例结果表明,该研究的应用能够为化工装置安全仪表系统提出同时满足安全与经济二者需求的优化设计方案,为实现化工装置安全及长周期运转提供了重要保障。
崔凤刚[8](2019)在《基于联立方程法的复杂精馏体系优化》文中研究指明在过程工业中,精馏是应用最为普遍的分离单元操作。为了节能或者分离恒沸物,通常需要采用复杂精馏流程。在复杂精馏体系中,由于各单元之间物质与能量循环的存在,在变量之间产生了复杂的交互关系,为了获得更为精确的结果,需采取更为严格的优化方式。在过程优化领域,基于平衡级模型的严格优化可大致分为序贯模块法和联立方程法两类。在联立方程法中,变量的自动微分或符号微分可通过雅可比矩阵的求解获取。因此,从上述角度来看,联立方程法相对序贯模块法在优化领域具有明显优势。然而,在联立方程法中,流程收敛的困难性以及混合整数求解算法的不成熟性两方面原因导致联立方程法的应用受到极大限制。近来,虚拟瞬态连续性模型的提出极大地克服了以上两方面的缺陷,为复杂精馏体系的联立方程优化提供了一种强有力的工具。在该模型中,动态过程的引入极大地拓宽了收敛域,同时,绕流效率法的耦合解决了整数优化问题。然而,该模型依然存在方程表达不直观和优化效率低下两方面的问题。针对以上问题,本文提出了一种改进的虚拟瞬态连续性模型。在模型方程方面,提出基于等价流股概念的精馏塔塔板模型方程,该方程不仅形式直观,还避免了在过往研究中繁琐的水力学关联式参数试错步骤;在优化算法方面,将稳态模拟同时间松弛算法结合,提出了稳态-时间松弛混合优化算法,该算法同软件内置的动态优化法相比,在保证结果精确性的同时,大幅提高了优化效率。本文将以上改进后的模型及其算法应用于常见复杂流程的分析和优化,提出带循环进料的热集成萃取精馏流程和优化的变压精馏。在基于平衡级模型的变压精馏优化过程中,将真空体系空气泄漏量表达成操作压力的公式加入联立方程条件中,并将其作为约束方程写入优化求解程序。该方法改变了以往的研究中,将精馏塔操作压力习惯性固定在常压的做法,对精馏体系的理论研究和工程设计都具有重要意义。此外,本文提出的模型和算法具有普适性,可拓展至其他常见的复杂精馏体系的优化。
高晶[9](2019)在《基于最小熵增原理的遗传算法研究》文中认为遗传算法(Genetic Algorithm,GA)是模仿达尔文“优胜劣汰”的进化论法则发展而来的一种启发式群智能算法。它直接对结构对象进行操作,对目标函数没有限制性要求,具有较高的鲁棒性和全局搜索能力,可扩展性强。遗传算法适合于高度非线性优化问题的求解,可以在复杂的多维空间中搜索全局最优解,因而获得了广泛应用。但是,与大多数演化算法类似,遗传算法的线性选择策略使得算法的选择压力过大,导致搜索过程中种群多样性丧失,容易陷入局部最优。针对这个共性问题,本文以遗传算法为典型例子,在热力学遗传算法TDGA的启发下,将遗传算法的进化过程和非平衡热力学状态下体系的变化过程进行类比,研究了基于热力学原理的选择策略。(1)在种群进化过程中,引入热力学非平衡定态下的最小熵增原理,提出了一种基于最小熵增原理的热力学选择策略,使个体的选择不再完全依赖于适应值的大小。在目标函数值空间内定义了个体密度,以度量种群多样性。首先提出了一种基于贪婪热力学选择机制的选择策略,但时间复杂度较高。为了降低时间复杂度,根据熵产生的可叠加性提出了一种基于分量热力学替换机制的选择策略,将种群熵产生分派到每个个体上,直接对个体熵产生进行排序和筛选,使选择过程具有线性时间复杂度。(2)将以上的两种选择策略应用于遗传算法的改进中,并分别在简单背包问题和数值函数测试问题上从多个角度对这两种策略进行了验证分析,实验结果表明,运用非平衡状态下热力学的最小熵增原理,能使种群在保证收敛速度和精度的同时保持多样性,可以有效避免种群陷入局部最优,也验证了分量热力学选择机制有较高的计算效率,可降低时间复杂度。(3)为了验证基于最小熵增原理选择策略的普适性,同时进一步验证该选择策略在多样性保持上的可靠性,又将基于最小熵增的分量热力学选择机制应用于多目标遗传算法的改进中。为了更准确地计算个体密度,使用核函数密度估计对目标空间中的个体分布状态进行拟合。利用非支配排序对种群进行分层,借助最小熵增原理保持种群多样性。最后通过在简单二目标测试问题(包括ZDT系列问题和MOP系列问题)上进行实验验证,实验结果表明了,基于最小熵增原理选择策略在多目标优化问题上的适用性,尤其是在种群多样性保持上的有效性。
韩闯[10](2019)在《基于智能优化算法的阵列方向图综合方法研究》文中研究说明阵列方向图综合是阵列信号处理领域的一个研究热点,通过优化非均匀阵列和相控阵列中的可变参数,实现具有低旁瓣、精确控制零陷和高方向图指向性等指标的期望方向图综合,广泛应用于通信系统、雷达系统以及相控阵系统等大规模天线阵列系统中。虽然现有各类智能优化算法已经取得了一定突破,但是在收敛性能和多目标优化问题方面,尤其是在阵列方向图综合应用中,优化算法依然存在很多缺点和不足。本文研究主要基于智能优化算法,从优化算法的收敛性和最优解分布性以及在综合阵列方向图应用的角度出发,开展的主要研究工作包括:带反馈的粒子群优化算法及非线性动态权值研究、低旁瓣波束扫描的数字位移虚拟稀布阵元方法研究、基于插值和拟合的多目标优化算法及其最优解平均分布特性研究。具体研究内容如下:(1)针对粒子群优化算法综合多目标阵列方向图时收敛性差的问题,提出了带反馈的粒子群优化算法结合非线性动态权值更新方法,提高了初始进化过程中粒子遍历能力和进化末期种群收敛性能。动态权值根据更新前粒子的适应度函数值通过立方根等非线性函数反馈得到,随着进化过程中的种群形态实时调整权值系数。仿真结果表明了该算法能够有效提高阵列方向图综合问题的种群收敛性,综合的阵列方向图在每个干扰位置能够得到精确的零陷电平,同时展现了很强的旁瓣电平抑制能力。(2)针对稀布阵列在波束扫描情况下旁瓣性能下降的问题,提出了数字位移虚拟稀布阵元的方法,在所有可能指向角度的情况下,充分利用稀布阵列的优点实现低旁瓣波束扫描。该方法针对固定阵元物理位置的情况,通过优化每个阵元的位置偏移因子,然后采用幂指数相位合成的方法虚拟稀布阵元,通过分析虚拟阵元接收信号的相关性,约束阵元位置的偏移范围。实验结果表明,与传统稀布阵列方向图综合方法相比,数字位移虚拟稀布阵元方法能够实现更低旁瓣的波束扫描方向图综合。(3)针对多目标优化算法最优解均匀分布性差的问题,以及考虑采用多目标优化算法有效解决多目标阵列方向图综合问题,提出了基于拟合和插值的多目标遗传算法。通过估计同一非支配等级中多个目标适应度函数值的拟合或者插值函数,计算出在拟合或者插值函数曲面上均匀分布的点作为期望参考点,根据种群和期望参考点的欧拉距离构成误差矩阵,采用提出的误差比较算子,在每个期望参考点上选择唯一粒子到新种群。通过优化数学多目标优化问题,与传统的多目标优化方法进行比较,本文提出的算法在不影响进化收敛性的同时能够很好的保持粒子的均匀分布特性。(4)针对多目标阵列方向图综合中最优解均匀分布特性较差的问题,提出了动态支配和平均分布择优的多目标优化方法,采用了三种改进策略,分别是动态非支配策略、范围约束策略和曲面平均分布策略。采用动态非支配分类因子来决定种群的分类操作,能够在初始进化过程中具有较大的搜索空间;通过范围约束策略实现在一定的约束范围内选择最优粒子,能够降低种群的规模和计算复杂度;将和当前最优面上均匀分布点距离近的粒子选入新种群,提升种群在目标函数空间的分布特性。将提出的算法和两种高效的多目标优化算法进行比较,优化数学问题和阵列方向图综合问题,并结合工程应用中的真实天线方向图,实验结果表明本文提出的算法在计算量、收敛速度以及最终粒子适应度函数值的分布特性方面都有很好的性能。
二、多目标遗传算法在甲醇合成优化中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、多目标遗传算法在甲醇合成优化中的应用(论文提纲范文)
(1)煤化学链过程联合循环发电系统的工艺优化及动态控制(论文提纲范文)
摘要 |
abstract |
符号说明 |
1 绪论 |
1.1 研究背景 |
1.2 化学链技术在煤炭清洁高效利用中的应用 |
1.3 煤气化耦合化学链氢电联产系统的优化与控制 |
1.3.1 煤气化耦合化学链氢电联产系统优化 |
1.3.2 煤气化耦合化学链氢电联产系统动态 |
1.4 研究意义及内容 |
1.4.1 研究意义 |
1.4.2 研究内容 |
2 煤化学链过程联合循环发电系统设计 |
2.1 煤气化系统 |
2.1.1 CG系统概述 |
2.1.2 CG系统建模 |
2.2 化学链制氢系统 |
2.2.1 CLHG系统概述 |
2.2.2 CLHG系统建模 |
2.3 余热回收系统 |
2.3.1 HRSG系统概述 |
2.3.2 HRSG系统建模 |
2.4 二氧化碳催化加氢制甲醇系统 |
2.4.1 CHTM系统概述 |
2.4.2 CHTM系统建模 |
2.5 模拟结果验证 |
2.6 本章小结 |
3 煤化学链过程联合循环发电系统优化 |
3.1 煤化学链过程联合循环发电系统(火用)分析 |
3.2 CG系统优化 |
3.3 CLHG-CHTM系统优化 |
3.3.1 CLHG系统分析 |
3.3.2 CHTM系统分析 |
3.3.3 CLHG-CHTM系统多目标优化 |
3.4 HRSG系统优化 |
3.5 本章小结 |
4 煤化学链过程联合循环发电系统动态控制 |
4.1 煤化学链过程联合循环发电系统动态分析 |
4.1.1 CG系统动态分析 |
4.1.2 CLHG系统动态分析 |
4.1.3 CHTM系统动态分析 |
4.2 载氧体烧结对CLHG系统的影响 |
4.2.1 纯Fe_2O_3团簇模型的建立 |
4.2.2 单颗粒Fe_2O_3团簇的高温特性 |
4.2.3 颗粒间的高温特性 |
4.3 AR反应器升温模型 |
4.4 空气反应器温度控制设计 |
4.4.1 空气反应器温度控制设计 |
4.4.2 控制结果 |
4.5 HRSG系统控制 |
4.5.1 基于传递熵的HRSG系统控制控制方案 |
4.5.2 控制结果 |
4.6 本章小结 |
结论 |
参考文献 |
致谢 |
攻读硕士学位期间发表的学术论文目录 |
(2)反应精馏及反应隔壁精馏过程的PI与模型预测控制研究(论文提纲范文)
摘要 |
ABSTRACT |
1 引言 |
1.1研究背景 |
1.2 甲酸生产过程 |
1.3 反应精馏技术 |
1.4 反应隔壁精馏技术 |
1.5 模型预测控制 |
1.6 反应精馏和反应隔壁精馏的控制研究现状 |
1.7 本文主要研究内容 |
2 稳态模拟与优化 |
2.1 稳态模拟 |
2.1.1 甲酸甲酯水解生产甲酸的稳态研究 |
2.1.2 水解过程的热力学模型 |
2.1.3 水解过程的动力学模型 |
2.2 优化 |
2.2.1 优化方法 |
2.2.2 优化结果 |
3 甲酸生产过程的PI和MPC控制方案 |
3.1 PI控制策略研究 |
3.1.1 反应精馏过程的PI控制策略研究 |
3.1.2 反应隔壁精馏过程的PI控制策略研究 |
3.2 模型预测控制(MPC)策略研究 |
3.2.1 模型预测控制原理 |
3.2.2 反应精馏过程的模型预测控制策略研究 |
3.2.3 反应隔壁精馏过程的模型预测控制策略研究 |
4 结果与讨论 |
4.1 传统反应精馏过程的PI和MPC温度控制对比 |
4.2 反应隔壁精馏过程的PI和MPC温度控制对比 |
5 结论与展望 |
5.1 结论 |
5.1.1 本文的创新点 |
5.1.2 本文的不足之处 |
5.2 展望 |
6 参考文献 |
7 攻读硕士学位期间发表论文情况 |
8 致谢 |
(3)基于稀疏优化的高光谱数据解混算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题来源 |
1.2 研究背景与意义 |
1.2.1 高光谱解混研究意义 |
1.2.2 高光谱稀疏性优化 |
1.3 高光谱解混研究现状 |
1.3.1 高光谱解混流程 |
1.3.2 高光谱解混预处理研究 |
1.3.3 端元与丰度估计算法研究 |
1.3.4 当前研究存在的主要问题 |
1.3.5 解混研究综述 |
1.4 高光谱稀疏解混研究方法 |
1.5 论文组织结构 |
第2章 高光谱影像稀疏解混分析基础 |
2.1 引言 |
2.2 线性解混模型 |
2.3 常用线性解混算法 |
2.3.1 基于最小误差的信号子空间辨识 |
2.3.2 顶点成分分析 |
2.3.3 最小体积单形体分析 |
2.3.4 全约束最小二乘算法 |
2.3.5 非负矩阵分解 |
2.4 实验数据集 |
2.4.1 光谱库 |
2.4.2 高光谱解混数据集 |
2.5 解混算法评估指标 |
2.6 本章小结 |
第3章 超图与重加权 ?_1稀疏解混算法研究 |
3.1 引言 |
3.2 稀疏解混算法 |
3.2.1 稀疏解混问题描述 |
3.2.2 分离和增广拉格朗日解混算法 |
3.2.3 稀疏解混算法的局限 |
3.2.4 添加空间约束的稀疏解混算法 |
3.3 基于超图与重加权 ?_1范数的稀疏解混算法 |
3.3.1 超图表示与相关概念 |
3.3.2 基于超图学习的稀疏解混模型 |
3.3.3 重加权 ?_1范数 |
3.3.4 ReHGSU算法实现 |
3.3.5 时间复杂性与算法适用性分析 |
3.4 实验结果与实验分析 |
3.4.1 参数选择 |
3.4.2 方法对比 |
3.4.3 仿真数据集验证 |
3.4.4 真实数据集验证 |
3.5 本章小结 |
第4章 基于超像素的多目标稀疏解混算法研究 |
4.1 引言 |
4.2 多目标优化 |
4.2.1 基本概念 |
4.2.2 遗传算法与多目标遗传进化 |
4.2.3 多目标遗传算法NSGA-II |
4.3 基于超像素的多目标稀疏解混算法 |
4.3.1 多目标稀疏解混问题描述 |
4.3.2 高光谱超像素分割表达空间相关性 |
4.3.3 多目标稀疏解混算法 |
4.4 基于超像素的多目标解混算法实现 |
4.4.1 超像素分割 |
4.4.2 二值化表示与多目标问题的并行处理 |
4.4.3 多解的合并 |
4.4.4 端元确认 |
4.4.5 算法实现 |
4.4.6 算法复杂度分析与Re HGSU算法对比 |
4.5 实验与分析 |
4.5.1 性能分析 |
4.5.2 仿真数据集验证 |
4.5.3 真实数据集验证 |
4.6 本章小结 |
第5章 高光谱深度卷积网络解混算法研究 |
5.1 引言 |
5.2 基于卷积网络的特征提取 |
5.2.1 高光谱卷积网络模型 |
5.2.2 稀疏卷积网络 |
5.3 三维卷积自编码解混网络 |
5.3.1 去噪自编码网络 |
5.3.2 三维卷积自编码网络设计 |
5.3.3 非负稀疏自编码模型 |
5.3.4 解混网络实现与对比解混算法ReHGSU、MOSU-SS |
5.3.5 解混网络的算法复杂性分析 |
5.4 实验与分析 |
5.4.1 卷积神经网络性能 |
5.4.2 三维卷积去噪自编码解混网络解混性能分析 |
5.5 本章小结 |
结论 |
参考文献 |
附录A 附录 |
A.1 论文中部分变量及符号的统一含义 |
攻读博士学位期间发表的论文及其他成果 |
致谢 |
个人简历 |
(4)遗传算法在催化体系的全局结构优化中的应用(论文提纲范文)
引言 |
1 遗传算法的基本框架 |
1.1 结构初始化 |
1.2 适应度及自然选择 |
1.3 交叉及变异 |
2 遗传算法程序的改进设计 |
2.1 并行式遗传算法 |
2.2 与机器学习技术联用的遗传算法框架 |
2.2.1 使用机器学习加速遗传算法 |
2.2.2 与聚类算法结合 |
2.2.3 与贝叶斯优化结合 |
2.3 与其他优化算法结合 |
3 遗传算法在催化领域的应用实例 |
3.1 金属团簇催化剂的结构优化 |
3.1.1 单金属团簇 |
3.1.2 合金团簇 |
3.1.3 团簇生长过程 |
3.2 负载型催化剂的结构优化 |
3.2.1 催化剂结构 |
3.2.2 反应物对结构的影响 |
4 结论与展望 |
(5)基于多目标遗传算法的施工人员配置优化(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 研究背景及意义 |
1.2 国内外相关研究现状 |
1.2.1 水利工程施工优化研究现状 |
1.2.2 人员配置优化研究现状 |
1.3 研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 人员优化配置 |
2.1 人员优化配置的特点 |
2.2 影响施工人员调配的因素 |
2.2.1 施工进度安排 |
2.2.2 施工人员成本 |
2.2.3 人员工作时间均衡问题 |
2.3 小结 |
3 多目标优化问题及算法 |
3.1 多目标优化问题 |
3.1.1 多目标优化问题的数学模型 |
3.1.2 多目标优化的基本概念 |
3.2 多目标优化问题的解决方法 |
3.2.1 传统多目标优化算法 |
3.2.2 智能优化算法 |
3.3 NSGA-Ⅱ算法及其改进 |
3.3.1 快速非支配排序 |
3.3.2 拥挤度比较算子 |
3.3.3 精英选择策略 |
3.3.4 NSGA-Ⅱ算法的改进 |
3.4 小结 |
4 基于改进的NSGA-Ⅱ的施工人员配置优化的具体实现 |
4.1 人员经验值的概化模型 |
4.1.1 人员经验值的计算方法及符号表示 |
4.1.2 工期施工人员成本-人员经验值模型 |
4.1.3 施工人员工作时间均衡函数 |
4.2 模型建立 |
4.2.1 条件假设 |
4.2.2 目标函数与约束条件 |
4.2.3 染色体及遗传编码设计 |
4.3 小结 |
5 工程应用实例 |
5.1 工程概况及参数设置 |
5.1.1 工程概况 |
5.1.2 模型环境设定及其参数设置 |
5.2 优化过程 |
5.2.1 初始种群的产生 |
5.2.2 定义约束违反度 |
5.3 运算过程及结果 |
5.4 小结 |
6 结论与展望 |
参考文献 |
作者简介 |
致谢 |
附录 |
(6)基于多目标遗传算法的小水线面双体船EEDI片体尺度优化研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题背景和意义 |
1.2 能效设计指数发展概述 |
1.3 小水线面双体船发展概述 |
1.4 多目标优化研究现状 |
1.5 论文主要研究目标 |
1.6 论文主要内容 |
第二章 能效设计指数研究 |
2.1 概述 |
2.2 EEDI公式提出 |
2.3 EEDI公式解读 |
2.3.1 Attained EEDI计算细则 |
(一)碳转换系数CF |
(二)Capacity |
(三)航速V_(ref) |
(四)功率参数P |
(五)燃油消耗量参数SFC |
(六)各修正系数f |
2.3.2 Required EEDI计算细则 |
(一)EEDI参考线的确定 |
(二)折减系数的确定 |
2.3.3 EEDI适用船型 |
2.4 EEDI规则发展 |
2.4.1 MEPC第72次会议 |
(一)PhaseⅡ之后EEDI技术审查 |
(二)参考线修正 |
(三)冰级船舶EEDI要求 |
(五)最小装机功率修订 |
2.4.2 MEPC第73次会议 |
(一)EEDI第Ⅲ阶段要求 |
(二)冰级船舶 |
2.4.3 MEPC第74次会议 |
(一)EEDI第Ⅲ阶段要求 |
(二)EEDI参考线 |
(三)引入第Ⅳ阶段 |
(四)强制报告机制 |
2.5 本章小结 |
第三章 小水线面双体船能效设计指数研究 |
3.1 概述 |
3.2 小水线面双体船的特点 |
3.2.1 主要优点 |
3.2.2 主要缺点 |
3.2.3 应用 |
3.3 小水线面双体船EEDI准则的提出 |
3.3.1 Attained EEDI建议公式的准则考虑 |
3.3.2 参考线制定依据考虑 |
3.3.3 参考线回归拟合 |
3.4 实船EEDI验证和节能措施 |
3.4.1 实船EEDI验证 |
3.4.2 节能措施 |
(一)节能装置 |
(二)降低船身重量 |
(三)片体优化 |
3.5 小水线面双体船EEDI敏感度分析 |
3.5.1 单变量敏感度分析 |
(一)MCR对 EEDI影响 |
(二)GT对 Attained EEDI影响 |
(三)v对Attained EEDI影响 |
3.5.2 多变量敏感度分析 |
(一)GT对 EEDI影响 |
(二)MCR对 EEDI影响 |
(三)v对EEDI影响 |
3.6 本章小结 |
第四章 片体尺度EEDI优化研究 |
4.1 概述 |
4.2 母型船参数 |
4.2.1 片体尺度要素 |
4.2.2 能效参数 |
4.3 优化目标参数化 |
4.3.1 子目标航速的参数化 |
4.3.2 子目标总吨的参数化 |
4.4 多目标优化 |
4.4.1 多目标优化理论 |
4.4.2 多目标优化方法 |
4.4.3 MATLAB优化工具箱多目标遗传算法简介 |
(一)工具箱的操作 |
(二)实例计算 |
4.5 优化模型 |
4.5.1 决策变量 |
4.5.2 约束条件 |
4.5.3 目标函数 |
4.6 优化结果与分析 |
4.7 本章小结 |
第五章 多目标遗传算法论证 |
5.1 概述 |
5.2 基本理论 |
5.2.1 加权组合法 |
5.2.2 目标规划法 |
5.2.3 功效系数法 |
5.2.4 主要目标法 |
5.2.5 乘除法 |
5.3 计算结果分析 |
5.3.1 加权组合法 |
5.3.2 目标规划法 |
5.3.3 功效系数法 |
5.3.4 主要目标法 |
5.3.5 乘除法 |
5.4 本章小结 |
总结与展望 |
结论 |
创新点 |
展望 |
参考文献 |
附录1 优化计算Pareto解集精选 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件:答辩委员签名的答辩决议书 |
(7)化工装置安全仪表系统的误动作及设计优化研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状介绍 |
1.2.1 安全仪表系统的功能安全 |
1.2.2 安全仪表系统的误动作 |
1.2.3 安全仪表系统的多目标设计优化 |
1.3 研究内容 |
1.4 研究方法 |
1.5 课题创新点 |
第二章 安全仪表系统的误动作概述 |
2.1 安全仪表系统的失效模式 |
2.2 安全仪表系统误动作定义 |
2.3 安全仪表系统误动原因概述 |
2.3.1 误操作原因概述 |
2.3.2 误响应原因概述 |
2.3.3 误停车原因概述 |
2.4 本章小结 |
第三章 安全仪表系统的误动作标准研究 |
3.1 安全仪表系统误动作评估指标 |
3.2 现有安全仪表系统误动作标准 |
3.3 安全仪表系统误动作后果分析 |
3.3.1 经济后果分析 |
3.3.2 安全风险分析 |
3.4 安全仪表系统误动作标准建立 |
3.5 水供应系统实例分析 |
3.5.1 工艺流程概述 |
3.5.2 误动作等级确定 |
3.6 本章小结 |
第四章 安全仪表系统的误动作率量化模型 |
4.1 安全仪表系统误动作率量化方法概述 |
4.2 安全仪表系统不同原因导致误动作率量化 |
4.2.1 元件安全失效 |
4.2.2 假信号响应 |
4.2.3 元件危险可检测失效 |
4.2.4 公共设施失效 |
4.3 不同子系统误动作率量化差异的分析 |
4.4 安全联锁回路误动作率 |
4.5 通用Koo N表决结构误动作率量化 |
4.5.1 误动作条件及前提假设 |
4.5.2 独立失效误动作率量化公式推导 |
4.6 共因失效误动作率量化 |
4.6.1 传统β共因失效模型 |
4.6.2 改进β共因失效模型 |
4.6.3 考虑误动作的β共因失效模型 |
4.7 结果分析与讨论 |
4.8 本章小结 |
第五章 安全仪表系统的多目标设计优化 |
5.1 安全仪表系统的多目标优化概述 |
5.2 遗传算法概述 |
5.3 适应度函数(目标函数) |
5.3.1 平均要求时失效概率目标函数 |
5.3.2 误动作率目标函数 |
5.3.3 生命周期成本 |
5.4 决策变量及约束 |
5.4.1 冗余结构 |
5.4.2 元件类型 |
5.4.3 维修间隔时间 |
5.5 实施遗传算法进行多目标优化 |
5.6 本章小结 |
第六章 案例研究 |
6.1 工艺流程及危害介绍 |
6.1.1 焦炉气制甲醇合成工艺介绍 |
6.1.2 工艺风险点介绍 |
6.2 安全完整性及误动作等级定级评估 |
6.3 典型安全仪表联锁回路的优化设计 |
6.3.1 安全联锁回路描述 |
6.3.2 元件类型与数据 |
6.3.3 多目标遗传算法优化 |
6.4 结果讨论 |
6.5 本章小结 |
结论和展望 |
参考文献 |
附录 |
风险可接受标准 |
安全联锁回路安全完整性与误动作定级 |
攻读硕士学位期间取得的学术成果 |
致谢 |
(8)基于联立方程法的复杂精馏体系优化(论文提纲范文)
摘要 |
abstract |
第1章 文献综述 |
1.1 引言 |
1.2 精馏体系优化方法概述 |
1.2.1 精馏序列综合 |
1.2.2 灵敏度分析 |
1.2.3 基于平衡级模型的优化 |
1.3 虚拟瞬态连续性模型简介 |
1.3.1 基本原理 |
1.3.2 建模软件 |
1.3.3 研究进展 |
1.4 论文研究目的及内容 |
1.4.1 研究目的 |
1.4.2 研究内容 |
第2章 模型方程构建与优化算法改进 |
2.1 模型方程 |
2.1.1 塔板模型 |
2.1.2 换热器模型 |
2.1.3 循环物流的处理 |
2.2 优化算法框架 |
2.2.1 时间松弛算法 |
2.2.2 动态优化算法 |
2.2.3 稳态-时间松弛混合优化算法 |
2.3 整数优化问题 |
2.4 模型及算法验证 |
2.4.1 常规精馏塔 |
2.4.2 直接分离序列 |
2.4.3 隔壁塔 |
2.5 本章小结 |
第3章 萃取精馏的优化 |
3.1 新流程的提出 |
3.2 甲醇-丙酮的分离 |
3.2.1 物系简介 |
3.2.2 常规流程的优化 |
3.2.3 循环进料流程的优化 |
3.2.4 循环进料热集成流程的优化 |
3.2.5 优化结果对比 |
3.3 甲醇-甲苯的分离 |
3.3.1 物系简介 |
3.3.2 常规流程的优化 |
3.3.3 循环进料流程的优化 |
3.3.4 循环进料热集成流程的优化 |
3.3.5 优化结果对比 |
3.4 本章小结 |
第4章 变压精馏的优化 |
4.1 压力优化问题 |
4.2 异丙醇-二异丙醚的分离 |
4.2.1 常规变压精馏的优化 |
4.2.2 热泵辅助变压精馏流程的优化 |
4.2.3 优化结果讨论 |
4.3 乙醇-甲苯的分离 |
4.3.1 常规变压精馏流程的优化 |
4.3.2 热集成变压精馏的优化 |
4.3.3 优化结果讨论 |
4.4 整数优化问题讨论 |
4.5 本章小结 |
第5章 结论与展望 |
5.1 结论 |
5.2 创新点 |
5.3 展望 |
参考文献 |
附录 A |
发表论文及参加科研情况说明 |
致谢 |
(9)基于最小熵增原理的遗传算法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 研究内容 |
1.4 论文组织结构 |
1.5 本章小结 |
2 相关概念和原理介绍 |
2.1 遗传算法 |
2.1.1 基本原理 |
2.1.2 相关理论研究 |
2.1.3 选择策略研究 |
2.2 最小熵增原理 |
2.2.1 非平衡态热力学 |
2.2.2 熵与种群多样性 |
2.3 本章小结 |
3 基于最小熵增原理的选择策略 |
3.1 热力学系统与演化算法 |
3.2 热力学理论的应用 |
3.3 基于最小熵增原理的选择策略 |
3.3.1 贪婪热力学选择机制 |
3.3.2 分量热力学替换机制 |
3.4 本章小结 |
4 改进选择策略在遗传算法上的应用 |
4.1 算法原理描述 |
4.2 实验验证与结果分析 |
4.2.1 测试函数和参数设置 |
4.2.2 实验结果分析 |
4.3 本章小结 |
5 改进选择策略在多目标遗传算法上的应用 |
5.1 多目标优化算法 |
5.1.1 多目标优化问题 |
5.1.2 多目标优化算法研究 |
5.2 改进算法原理描述 |
5.2.1 相关定义 |
5.2.2 算法描述 |
5.3 实验验证与结果分析 |
5.3.1 测试函数和参数设置 |
5.3.2 实验结果分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 本文总结 |
6.2 未来展望 |
参考文献 |
附录 |
致谢 |
(10)基于智能优化算法的阵列方向图综合方法研究(论文提纲范文)
摘要 |
ABSTRACT |
缩略语 |
1 绪论 |
1.1 研究背景和意义 |
1.2 阵列方向图综合方法研究现状 |
1.2.1 传统的方向图综合方法 |
1.2.2 阵列方向图综合的智能优化算法 |
1.3 多目标优化算法研究现状 |
1.4 研究主要问题及解决方案 |
1.5 主要研究内容和章节安排 |
2 阵列方向图综合及智能种群优化算法 |
2.1 引言 |
2.2 智能优化算法在阵列方向图综合中的应用 |
2.2.1 种群优化算法及其在阵列方向图综合中的应用 |
2.2.2 遗传算法及其在阵列方向图综合中的应用 |
2.3 稀布阵列方向图综合模型 |
2.4 带反馈的粒子群优化算法综合阵列方向图 |
2.4.1 带反馈动态迭代权值的粒子群优化算法 |
2.4.2 不同类型的适应度函数 |
2.4.3 实验仿真及结果分析 |
2.5 结论 |
3 数字位移虚拟稀布阵元方法综合阵列方向图 |
3.1 引言 |
3.2 采用数字位移虚拟稀布阵元方法综合阵列方向图 |
3.3 带反馈的粒子群优化算法与约束条件 |
3.4 线阵优化实验仿真及结果分析 |
3.4.1 等激励线性阵列优化位置偏移 |
3.4.2 采用位置偏移和最优幅度优化线性阵列 |
3.5 平面阵优化实验仿真及结果分析 |
3.5.1 采用数字位移虚拟稀布阵元方法综合平面阵方向图 |
3.5.2 平面阵方向图综合仿真实验 |
3.6 结论 |
4 基于曲线拟合和插值的多目标遗传算法 |
4.1 引言 |
4.2 多目标优化算法分类 |
4.2.1 基于改进Pareto支配的多目标优化算法 |
4.2.2 基于性能指示的多目标优化算法 |
4.2.3 基于分解算法的多目标优化算法 |
4.2.4 基于网格的多目标优化算法 |
4.2.5 强调种群分布性的多目标优化算法 |
4.3 多目标优化问题 |
4.4 基于拟合和插值的多目标遗传算法 |
4.5 仿真结果 |
4.5.1 评估算法性能的准则 |
4.5.2 实验仿真及结果分析 |
4.6 结论 |
5 基于INSGA-II/SC的阵列方向图综合 |
5.1 引言 |
5.2 具备三种改进措施的INSGA-II/SC |
5.2.1 INSGA-II/SC处理流程 |
5.2.2 动态非支配策略 |
5.2.3 曲面平均分布策略 |
5.2.4 范围约束策略 |
5.3 采用INSGA-II/SC优化数学多目标问题 |
5.3.1 评估算法性能的准则 |
5.3.2 数学多目标问题实验仿真及结果分析 |
5.4 采用INSGA-II/SC综合多目标阵列方向图 |
5.4.1 阵列方向图多目标优化模型 |
5.4.2 实验仿真及结果分析 |
5.5 采用多目标优化算法对大规模阵列进行优化 |
5.5.1 线性稀疏阵列低旁瓣方向图综合 |
5.5.2 数字移相阵列方向图综合 |
5.5.3 实验仿真及结果分析 |
5.6 采用多目标优化算法对真实方向图阵列进行综合 |
5.7 结论 |
6 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
致谢 |
攻读博士学位期间发表的学术论文和参加科研情况 |
四、多目标遗传算法在甲醇合成优化中的应用(论文参考文献)
- [1]煤化学链过程联合循环发电系统的工艺优化及动态控制[D]. 范晨阳. 青岛科技大学, 2021(01)
- [2]反应精馏及反应隔壁精馏过程的PI与模型预测控制研究[D]. 杨新创. 天津科技大学, 2020(08)
- [3]基于稀疏优化的高光谱数据解混算法研究[D]. 贾培源. 哈尔滨工业大学, 2021
- [4]遗传算法在催化体系的全局结构优化中的应用[J]. 石向成,赵志坚,巩金龙. 化工学报, 2021(01)
- [5]基于多目标遗传算法的施工人员配置优化[D]. 胡艾霖. 河北农业大学, 2020(01)
- [6]基于多目标遗传算法的小水线面双体船EEDI片体尺度优化研究[D]. 唐乐. 华南理工大学, 2020(02)
- [7]化工装置安全仪表系统的误动作及设计优化研究[D]. 戚萌. 中国石油大学(华东), 2019(09)
- [8]基于联立方程法的复杂精馏体系优化[D]. 崔凤刚. 天津大学, 2019(06)
- [9]基于最小熵增原理的遗传算法研究[D]. 高晶. 武汉大学, 2019(06)
- [10]基于智能优化算法的阵列方向图综合方法研究[D]. 韩闯. 西北工业大学, 2019(04)