一、小生境技术对遗传算法的改进作用研究（论文文献综述）
李丹[1]（2021）在《基于改进遗传算法的柔性作业车间调度问题的研究》文中提出随着经济全球化的影响,我国的制造业得到了迅猛的发展,已经开始慢慢转型,正向着制造业强国迈进,致使我国的制造业面临着重要的挑战。制造业要想得以生存,就需满足客户对产品多元化、广泛化、智能化、定制化、个性化的要求。车间生产调度这个核心技术是影响企业健康发展的重要因素。为了满足经济的发展和快速的适应市场的需求,柔性制造系统成为了企业的需要。柔性作业车间调度问题存在于各类柔性制造系统中。本文对柔性作业车间调度问题的研究主要工作如下:针对实际加工过程中存在不确定性因素的问题,采用模糊数表示不准确的加工信息。提出了一种改进的遗传算法来求解模糊柔性作业车间调度问题,以最小化最大完工时间为研究问题的优化目标,模糊柔性作业车间调度问题中不确定的加工时间用三角模糊数来表示。此算法针对柔性作业车间调度问题的复杂性,设计了一种基于工序排序和工序对应加工机器号的双层编码方式,根据模糊操作对适应度值进行了计算,采用一种新的转换公式将目标函数值转换为适应度值,在选择操作中采用轮盘赌法从种群中选择优良个体进入下一代种群,在交叉操作中采用两种不同的交叉方式进行优良个体的选拔。最后通过Matlab模拟仿真和实验对比,验证了模型的可行性和算法的有效性。针对生产过程柔性化和管理决策多样化的问题,多目标柔性作业车间调度成为了研究的热点。本文以最大完工时间、拖期时长、机器总负荷、总能耗为优化目标,提出了改进NSGA-Ⅱ算法来求解多目标柔性作业车间调度问题,对算法的编码和解码、Pareto排序、选择策略、交叉变异操作进行了研究。采用工序排序和机器选择的双层个体编码方式;在精英选择过程中通过计算个体的斜率,斜率小的进入到父代,使得优秀个体得以保存;在变异环节中基于关键工序块结构邻域,采用插入法让工序小的工件优先加工,使得最大完工时间明显变小。最后进行了Matlab模拟仿真和实验对比,有效验证了该模型的可行性和算法的优越性。
吴胜鑫[2]（2021）在《仓库储位分配算法研究》文中认为在当今信息技术飞速发展的背景下,信息技术、智能算法、互联网等技术深入融入工业领域已经成为大趋势。全球各大主要经济体都对这个趋势做出了回应,德国有“工业4.0”、日本有“新制造业”、美国的“工业互联网联盟”和“先进制造伙伴计划”以及中国的“中国制造2025”和“互联网+先进制造业”等等。本文以和云南某公司的仓库数字化项目做研究背景,探讨在生产物流领域中仓库储位分配问题的解决和实现,结合实际问题,建立了基于仓库的数学模型,并在此基础之上针对经常出入库的货品集中放置于一点（原点）、经常一同出入库的货品尽量靠近存放以及在考虑前两点的基础之上尽量保持货架的垂直稳定性三个问题建立了目标函数,并设计和实现遗传算法来优化目标函数。最后,针对算法设计了一个仓库管理系统,以满足实际需要。这篇论文的主要研究点如下所示:（1）针对合作公司的仓库建立一个数学模型,并在此基础之上针对仓储数字化管理过程中需要解决三个问题,即将经常出入库的货品放置在一个区域、经常一同出入库的货品尽量靠近存放以减小仓库作业时间提升效率以及在保证一定的货架垂直稳定性,设计了目标函数。并采用层次分析法将三个目标函数,借助现场工作人员的工作经验,转化成单目标函数。（2）针对前面建立仓库模型和目标函数,使用遗传算法来对问题进行求解。并逐步解决求解过程中所遇到的问题,如:标准遗传算法的固定交叉和变异概率在算法后期容易破坏优秀个体从而导致算法收敛速度慢且不稳定问题,标准遗传算法在优化复杂多峰值函数时难以收敛的问题以及如何加快算法收敛速度的问题。针对这些问题本文分别采用了自适应交叉变异算子、采用精英保留策略、进化逆转算子和小生境技术来进行解决。（3）在设计和实现了基于进化逆转小生境技术的遗传算法解决生产物流领域中仓库储位分配在数字化管理上的问题后,本文向实际生产应用更近了一步,即设计了一套基于进化逆转小生境技术的遗传算法的仓库管理系统。在系统中实现了,仓库货物属性的配置管理,实现了针对仓库货物属性的增加、修改和删除功能;同时,系统还是实现了方便的入库操作,可以针对已经设置好的货品进行搜索以实现快速的入库操作。
邹玙琦[3]（2020）在《基于改进小生境PSO算法的综合能源系统调度研究》文中研究说明如今世界各国都面临着能源枯竭和环境恶化的问题,并且由于我国的风能资源丰富,风电装机容量不断增加,但弃风现象严重,所以进行能源结构变革,发展高效清洁的能源体系就成为了解决这一问题的有力举措。综合能源系统（IES）通过整合多种能源类型,实现了能源的梯级利用,是如今被广泛认可的解决上述问题的有效途径。由于综合能源系统的运行打破了传统供能系统的运行模式,因此研究适宜于综合能源系统运行的调度策略具有十分重要的意义,同时在当前综合能源系统的研究进展中,新出现的电转气（P2G）技术被认为可以达到改善环境质量,促进可再生能源消纳的效果。基于此背景,本文主要研究了综合能源系统的调度策略,使系统在保证经济性的前提下消纳更多可再生能源,研究内容如下:（1）提出并搭建满足用户负荷需求的综合能源系统模型,对综合能源系统的供能结构进行研究与分析,包括系统的能源输入、能源转换、以及储能等环节的运行原理,同时建立各个环节设备单元的数学模型,为后续的研究建立理论基础。（2）建立满足用户负荷需求的综合能源系统调度模型,将系统运行的经济性,环保性,以及可再生能源消纳程度作为调度目标,通过算例的求解,验证所提出的调度模型的具有更优的可再生能源消纳能力。（3）针对标准粒子群算法（PSO）易陷入局部最优的问题进行改进,将小生境PSO算法与非线性递减惯性权重策略结合,提出改进的小生境PSO算法,并利用改进的小生境PSO算法对综合能源系统调度模型进行求解,通过求解结果对比得到改进的小生境PSO算法具有更好的寻优能力。（4）研究电转气（P2G）技术对系统消纳可再生能源的影响,建立了含P2G的综合能源系统调度模型,通过求解两种场景的结果对比,验证P2G设备的加入可以促进综合能源系统对可再生能源的消纳,且提高系统运行经济性。
张学强[4]（2020）在《基于群智算法的桥梁结构有限元模型修正多解问题研究》文中提出传统的有限元模型修正技术采用高效的智能算法找到结构理论响应与实测响应误差目标函数的一组全局最优解,使得目标函数值降到最低。然而,由于传感器数量有限测量数据不充分、仪器识别误差、以及构建目标函数的不确定性等因素存在,可能存在多组解集具有相同或者相近的目标函数值,然而它们的解空间截然不同。因此仅依赖一组全局最优解作为最能代表结构实际参数值的有限元模型修正方法不尽合理,亟需一种能够找到误差函数值有效降低的多组全局最优解或局部最优解的模型修正技术,决策者结合工程经验、再分析技术等综合分析,从多组解集中选出一组或多组,减少对结构参数误判的可能。基于以上目的,本文提出一种改进的自适应小生境鱼群算法,该算法将联合小生境技术,并引入反向学习策略,算法执行后期联合模拟退火算法进行细部寻优,使得改进后的算法既能快速、精确地找到函数的多组全局最优解,又能有效找到多峰值函数的局部最优解。针对小生境技术难以确定小生境半径问题,本文提出一种自适应小生境半径机制,通过数值仿真分析验证了所提改进算法的有效性后,用于有限元模型修正多解问题研究。首先,在对ASCE-Benchmark框架有限元模型修正过程中,通过人为预设损伤,然后对损伤结构有限元模型进行修正,得到了1组全局最优解及12组局部最优解。对比预设损伤值与修正后得到的各组解,发现全局最优解对应参数值与预设值不同,而次优解1却能很好地与预设值吻合,论证了全局最优解不一定最能代表结构实际参数值的观点,说明了有限元模型修正多解问题研究意义,同时也证明了所提改进算法能够适用于复杂的有限元模型修正多解问题研究。其次,将所提的自适应小生境鱼群算法联合多项式响应面技术应用到一座较为复杂的缩尺斜拉桥模型修正中。根据实测数据使用随机子空间识别该桥的模态频率,结合工程经验及数理统计中的F值检验方法选出待修正参数。构建以修正参数为输入,模态频率为输出的二次含交叉项的多项式响应面模型,并检验了代理模型精度。使用所提改进算法找到使得缩尺斜拉桥理论计算值与实测值误差有效减小、解空间截然不同的8组解集,并从中选出了4组具有代表性的解集。决策人员可根据工程经验,权衡利弊,从多组解中做出选择,减少对实际结构参数误判的可能。最后,为进一步研究有限元模型修正多解问题中的多解选择方法,将所提自适应小生境鱼群算法联合Kriging代理模型应用到一座更为复杂的斜拉人行天桥的模型修正中。根据实测数据使用随机子空间识别该桥的模态频率及振型信息,结合实桥状况及参数敏感性分析选出待修正参数,分别构建以修正参数为输入,模态频率及理论振型与实测振型MAC值为输出的Kriging响应面模型,并检验了响应面模型精度。根据结构实测频率、振型数据与理论值误差构建目标函数,找到了使得误差目标函数值减小、解空间截然不同的多组解集,并选出具有代表性的4组解集。结合笔者浅薄的工程经验以及再分析技术,选出了最能代表实桥参数的1组解,其他组解可用于该桥的可靠度分析、风险评估等。
郑宝娟[5]（2020）在《面向航迹规划的改进NSGA-Ⅱ算法研究》文中指出路径规划技术是伴随着自动化技术的快速发展而迅速崛起的技术,在舰艇,机器人,无人机等人工智能领域应用突出。无人机航迹规划旨在复杂环境约束和无人机自身物理约束条件下,实现从起点到目标点的最优航行轨迹任务。随着自动化、信息化的快速发展,复杂环境下对无人机航迹规划提出了越来越高的要求。无人机在航迹规划的过程中不仅要快速做出反应,而且要完成多个任务目标,且多个任务之间往往存在一定的冲突。因此,航迹规划复杂数学模型设计和解决多个优化目标的算法设计尤为重要。本文在多目标遗传算法——带精英策略的非支配排序遗传算法（NSGA-Ⅱ）的基础上研究复杂环境三维无人机航迹规划,主要研究工作有:1.根据多目标优化问题解的相关理论,建立三维环境下无人机航迹规划的数学模型。结合三维环境综合考虑无人机飞行过程中的最大水平转弯角约束,最大俯冲角或爬升角约束,飞行高度约束等,建立了无人机航迹规划代价评价指标,包括航迹长度代价、威胁性代价、隐蔽性代价等多目标评价指标。2.针对传统第二代非支配排序遗传算法（NSGA-Ⅱ）求解无人机多目标三维航迹规划局部收敛及多样性不足的局限性,提出了一种新的双种群NSGA-Ⅱ算法。该算法设置两个独立种群分别用NSGA-Ⅱ算法独立演化,隔代在两种族之间迁徙,接着各种群进行寻优进化。仿真结果表明,新算法比传统NSGA-Ⅱ算法在解的收敛性和鲁棒性上更具优势,更适用于无人机三维航迹规划。3.针对双种群NSGA-Ⅱ算法在两个种群进行迁徙时人为设定比例的缺陷,提出了支持强化学习的RNSGA-Ⅱ算法。根据种群多样性的变化运用强化学习算法动态地优化各种群间“迁徙”的比例参数,从而使进化过程保持种群多样性,一定程度上解决了收敛速度和全局收敛性之间的矛盾。仿真结果表明,RNSGA-Ⅱ算法较其他算法的收敛精度,鲁棒性和解集多样性等优势明显。
田媛[6]（2019）在《面向多模态函数优化问题的布谷鸟搜索算法研究》文中进行了进一步梳理布谷鸟搜索算法（Cuckoo Search,CS）是一种新型的元启发式算法,用来解决全局函数目标优化问题。布谷鸟搜索算法在寻优的过程中采用Levy flight随机游走模式,具有控制参数少、简单易实现、搜索路径优、搜索能力强等特点,并成功应用于大量工程型实际问题中。在布谷鸟搜索算法中,存在两个问题。一是Levy flight随机游走产生的步长是完全随机的,因此缺乏可控制性,从而存在后期收敛速度慢和收敛精确度低的问题。二是原始谷鸟搜索算法是一种全局搜索算法,只适用于得到唯一的全局最优解,无法解决寻找多个局部最优解的多模态问题。本文主要工作如下:一、为了解决算法进化过程中缺乏可控性的问题,本文提出了一种基于随机梯度下降的布谷鸟搜索算法,在Levy flight随机游走过程中引入随机梯度下降,增强算法在寻优过程中的可控性和自适应性,加快局部最优解的搜索,优化收敛过程中的寻优路径,从而提高算法的寻优能力,加快收敛速度。多组仿真实验表明,基于随机梯度下降的布谷鸟搜索算法简单高效,在保持标准CS算法优点的基础上提高了算法的收敛速度和寻优精度,且算法对控制参数不敏感,具有较好的稳定性。二、为了解决寻找多个局部最优解的多模态问题,本文引入基于共享原则小生境技术,提出了基于随机梯度下降的共享小生境布谷鸟算法,增大进化过程中的布谷鸟多样性。仿真实验表明本文提出的改进算法在求解多模态函数优化问题上具有全局搜索能力强、收敛速度快、准确搜索解空间内的全部最优解以及计算量小等优点,具有较高的解决实际应用问题的价值。
谢胜达[7]（2019）在《环形张拉整体结构的拓扑优化与应用》文中研究表明张拉整体结构是现代柔性空间结构的典型代表,索穹顶结构由于其优美的造型、较强的跨越能力、良好的经济效益在工程实践中得到了广泛的应用。现有的索穹顶结构支撑于钢筋混凝土圈梁或环形钢桁架上,在严格意义上讲并不是真正的张拉整体结构。因此,研究带环形张拉整体结构的自平衡索穹顶结构具有较好的理论意义和工程应用价值,而构造可行的环形张拉整体结构是实现自平衡索穹顶结构的首要任务。本文对环形张拉整体结构的拓扑优化和静动力特性进行了研究,并对其在自平衡索穹顶结构中的应用进行了探索,旨在为该类结构在工程中的推广应用提供理论基础和技术支持。鉴于张拉整体结构体系必需由外加的预应力提供刚度方能维持几何形态稳定的特性,本文首先介绍了基于平衡矩阵的二次奇异值分解法和基于刚度矩阵的张拉整体找形方法,探讨了两种预应力模态求解方法的适用范围,编写了相应的MATLAB计算程序,并通过算例验证了其有效性,为后续环形张拉整体结构的拓扑优化及自平衡索穹顶结构的静动力特性分析提供了理论基础。根据环形张拉整体结构柔性结构的特点与力学特性,本文以结构总质量最小为目标函数,以节点连接杆件数、结构存在自平衡模态、构件不交叉、应力性质、位移限值为约束条件,结合共享函数小生境技术以及预选择机制,提出一种基于小生境遗传算法的环形张拉整体结构拓扑优化方法。算例分析结果表明利用基于刚度矩阵的张拉整体结构找形方法及其改进可有效地对不同拓扑条件下的环形张拉整体结构进行自平衡模态的求解与受力分析。采用共享函数小生境技术和预选择机制对遗传算法进行改进,可有效地提高传统遗传算法的可靠性、稳定性。本文所提出的方法可用于环形张拉整体结构及其它张拉整体结构的拓扑优化。刚度较小是张拉整体结构的弱点之一,也是张拉整体结构应用于实际工程面临的最不利因素。本文对环形张拉整体结构的受力性能进行了研究,结合可能的工程应用,在第三章已施加的约束条件基础上对环形张拉整体结构额外施加竖向位移约束,求得相应约束条件下环形张拉整体结构的拓扑优化最优解,分析了预应力水平和结构杆件截面积对最优解结构静动力特性的影响。本文进一步对环形张拉整体结构在索穹顶结构中的应用进行了研究,分析了环形张拉整体结构的刚度对索穹顶结构受力性能的影响,模拟了自平衡索穹顶结构在荷载作用下的受力过程,研究了考虑几何非线性、材料非线性、压杆弹塑性屈曲、拉索松弛和拉索屈服等条件下的结构极限承载力。对比和分析了自平衡索穹顶与传统索穹顶在多种工况下的结构构件内力、节点位移、支座反力、极限承载力以及动力特性的相似相异处,分析结果表明自平衡索穹顶结构具有较好的刚度,且由于环形张拉整体结构的作用,结构的受力性能得到了改善。本文采用改进的遗传算法对环形张拉整体结构进行拓扑优化,并分析了将其作为外环时自平衡索穹顶结构的静动力特性,为自平衡索穹顶结构的实际工程应用提供了理论基础和技术支持。
李文韬[8]（2019）在《基于遗传算法的双目标流水车间调度问题研究》文中研究表明流水车间（Flow Shop）调度问题,是实际流水车间进行生产调度问题的简化模型,它在企业中被广泛的应用。科学、有效的调度方案可以降低生产成本、提高生产效率,极大地提升企业在市场的竞争力。流水车间调度问题因为计算复杂、多目标性以及多约束性等特点,已经被证明是一个非常复杂的难题。因此,对其进行应用研究是有着巨大的理论和实际意义的。本文主要基于遗传算法和小生境技术,分别对单目标流水车间调度问题和双目标混合流水车间调度问题进行研究。论文的主要工作内容和研究成果如下:（1）首先研究了流水车间调度问题的基本结构,建立数学模型并确定目标函数,之后给出单目标流水车间调度问题的具体案例,确定遗传算法的参数以及遗传操作,最后利用MATLAB软件进行模拟计算,证明算法的有效性,同时根据仿真得到的调度甘特图获得最佳的调度方案。（2）在单目标流水车间调度问题的基础上,研究双目标流水车间调度问题。将生产周期与生产费用同时考虑,设计了结合小生境技术的遗传算法,获得了双目标最优解集。（3）考虑并行机可以导致调度结果进一步优化,对双目标混合流水车间调度问题展开研究。对比双目标调度与单目标调度、混合流水车间与一般流水车间的差异,分析产生不同结果的原因。最后结合具体案例,得出双目标混合流水车间调度问题的最优调度方案。
王琴[9]（2018）在《基于遗传算法求解柔性作业车间调度问题》文中进行了进一步梳理制造业同人们的生活密切联系,其发展走向可直接影响国家的综合实力。制造业企业不仅需要将制造技术走在科技前端,而且需要加强生产和经营管理技术,这样才能时刻保持其核心竞争力。而企业的调度是企业管理的核心和难点。生产调度的制定,作为制造业生产运作管理的最重要的任务,其结果强烈影响着企业的利润取得、资源的利用效率及产品能否准时交货等。在实际生产环境中,柔性作业车间调度问题（FJSP）允许所有工序可以在整个机器集中任意选择一台加工机器,这样的生产调度系统可以按照资源负荷情况灵活地分配资源,提高加工的灵活性,更接近实际生产环境,却因此加大了可行解的搜索范围,增加了问题复杂性。由于柔性作业车间调度研究的历史尚短,其发展还不够完善,在模型和求解策略上还存在一些亟待解决的难题。遗传算法作为一种群体智能算法,操作简便,在求解FJSP时具有较好的寻优能力和鲁棒性,但是仍然存在着收敛速度慢、极易早熟以及种群多样性不足的缺陷。本文针对遗传算法在求解FJSP时存在的不足,作了以下几点改进。综合考虑种群多样性和工序先后秩序约束,提出了用于初始化机器选择段染色体的全局随机选择机制（GRS机制）;提出了改进遗传算法,在算法陷入局部最优状态后加入再激活机制来更新种群,调整其种群多样性至初始化状态;设计了种群独立比作为评价指标来衡量种群多样性,并将小生境技术引入遗传算法中,在改进GA每一次遗传更新操作后加入基于小生境的预选择机制,提出了改进小生境遗传算法。本文将两种改进算法用于求解11组标准测试案例,并将实验结果与其它算法进行对比,验证了改进算法的可靠性和有效性。将改进小生境GA应用于求解三个制造业FJSP实际案例,并由此验证了该算法在解决实际应用问题时具有很强实用性和可操作性。
赵颖杰[10]（2017）在《电子式供氧抗荷调节器一体化技术研究》文中研究表明随着航空技术的不断进步,四代机以及五代机凭借其高机动性、先进的航电性能、高度集成化等特点逐渐成为制空的主力,然而战斗机在性能提升的同时对飞行员的防护装备也提出了更严格的要求。供氧和抗荷作为飞行员个人防护装备中的关键环节,重要性也愈加明显。现役的供氧和抗荷系统彼此独立,供氧系统主要以肺式供氧为主,因其性能稳定的特点一直延用至今,但其响应速度慢、调节精度差等缺点已不能满足现有高机动性下作战的需求。同时,目前以抗荷服为主的抗荷系统,其抗荷性能的优劣主要依赖充气速度,这也与飞行员腹部的舒适性密切相关。本文以显着提高供氧响应速度、提高飞行员抗荷服的舒适性为目标,从理论推导、数值仿真及实验模拟等方面对飞行员的供氧抗荷系统所涉及的关键技术如:高精度控制系统、供氧抗荷一体化设计等方面展开研究,具体的研究内容如下:（1）供氧抗荷调节机构方案设计及优化。通过分析现有的机械式供氧调节器的优缺点,基于数字控制技术提出了一种新的供氧调节器。同时,推导了活门流量与开度的关系式,确定了在入口最大供氧量为250L/min、过载为+9G极限工况下的供氧活门面积,并拟合了在8000m以下进行混合供氧时供氧活门开度以及空气活门开度的关系公式,以及在8000m以上供应纯氧时流量和活门开度的关系。此外,建立活门开度与供氧量关系的数学模型,通过模拟得到在不同高度不同开度情况下供氧量的曲线,据此,论证所设计供氧系统在作战时的供氧能力。进一步,论文研究了过载对所设计供氧系统性能的影响,分析了+5G、+6G、+9G情况下氧调器的工作性能,通过对氧调器出口质量流量对比,验证了其在各种过载条件下的供氧性能稳定的特点。最后,对氧调器的控制规律进行优化,使其满足飞行员在有0.7kPa预充压的情况下抗荷调节的需要。（2）供氧抗荷调节器一体化策略。在考虑飞行姿态、载荷对供氧抗荷系统影响的情况下,采用一体化设计策略对上述设计的氧调器和抗荷调节器进行封装和匹配。首先,基于飞机不同飞行状态下对设备的影响,把电源和DSP分别放置在设备的两侧,使得两侧的重量得以平衡,防止在飞行中产生不必要的力矩。其次,本文结合小生境技术、领域选择、SBX交叉和多项式变异等多个高性能的遗传算子,发展了一种高性能的小生境技术遗传算法,对氧调器和抗调器进行了一体化设计优化。研究结果表明,新算法能够稳定地获得全局最优解,为氧调器和抗调器进行一体化设计提供一种可靠和通用的优化设计方法。（3）控制方式以及元器件定型。现有的机械式结构中氧调器存在控制方式精度不高、响应时间长的缺点,会导致调节的不及时性。本文对氧调器供氧量采用音圈电机推动活门开闭的方式进行控制,对抗调器的控制主要采用加速度传感器的方式来获得+G值,然后通过电机打开活门,控制抗荷服的充气量。同时,本文基于数字化控制模式对上述充气方式进行控制,并提出了详细的硬件设计方案。（4）实验验证。基于高空低压仓对上述样机进行性能测试实验。采用分子筛制氧作为氧源供氧,通过压力调节器来控制入口压力,使其不超过0.35MPa。试验测试了肺通气量分别为20L/min、30L/min、44L/min三种状态在不同高度情况下面罩内的余压以及呼吸阻力的数值。试验结果表明:呼吸的阻力最高发生在肺通气量为44L/min的情况下,此时的最大值仍能满足呼吸波动小于1.76KPa的GJB-1013的要求。同时,试验模拟了在15km、16km、18km三种高度状态下的加压供氧性能,经测试后发现衣压和余压的比值能够满足3.2:1的设计要求。在测试随动性试验中,本文测试了在不同高度发生迅速减压时氧调器和抗调器的工作状态,发现能够满足5s参数等衡量指标。将试验件装配于离心机上进行过载增长率为6G/s的情况下过载值为+5G、+6G和+9G的抗荷性能试验,得到的实测值能够满足技术指标。因此进一步验证了本文设计方案的准确性。
二、小生境技术对遗传算法的改进作用研究（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、小生境技术对遗传算法的改进作用研究（论文提纲范文）
（1）基于改进遗传算法的柔性作业车间调度问题的研究（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 柔性作业车间调度的特点 |
| 1.3 研究现状 |
| 1.3.1 模糊柔性作业车间调度的研究现状 |
| 1.3.2 多目标柔性作业车间调度的研究现状 |
| 1.4 主要研究内容与框架 |
| 第二章 柔性作业车间调度问题相关理论 |
| 2.1 柔性作业车间调度 |
| 2.1.1 柔性作业车间调度问题的描述 |
| 2.1.2 柔性作业车间调度的数学模型 |
| 2.1.3 柔性作业车间调度的分类 |
| 2.1.4 柔性作业车间调度的析取图 |
| 2.1.5 柔性作业车间调度问题的研究方法 |
| 2.2 模糊柔性作业车间调度问题 |
| 2.2.1 FFJSP的描述 |
| 2.2.2 FFJSP的数学模型 |
| 2.3 多目标柔性作业车间调度问题 |
| 2.3.1 MOFJSP的描述 |
| 2.3.2 MOFJSP的评价指标 |
| 2.4 小结 |
| 第三章 基于双层编码GA求解模糊柔性作业车间调度 |
| 3.1 引言 |
| 3.2 遗传算法的理论 |
| 3.2.1 遗传算法的提出 |
| 3.2.2 遗传算法的基本思想 |
| 3.2.3 遗传操作的基本流程 |
| 3.3 双层GA求解FFJSP的算法设计 |
| 3.3.1 双层编码和解码 |
| 3.3.2 适应度值 |
| 3.3.3 选择操作 |
| 3.3.4 交叉操作 |
| 3.3.5 变异操作 |
| 3.3.6 流程图 |
| 3.4 仿真验证与分析 |
| 第四章 改进NSGA-Ⅱ算法求解多目标柔性作业车间调度 |
| 4.1 引言 |
| 4.2 NSGA-Ⅱ算法的提出 |
| 4.3 NSGA-Ⅱ算法的基本理论 |
| 4.3.1 非支配解排序 |
| 4.3.2 拥挤距离 |
| 4.3.3 精英保留策略和小生境技术 |
| 4.3.4 锦标赛选择法 |
| 4.3.5 基本算法流程 |
| 4.4 改进NSGA-Ⅱ算法 |
| 4.4.1 染色体编码和解码 |
| 4.4.2 Pareto排序 |
| 4.4.3 精英选择策略 |
| 4.4.4 交叉操作 |
| 4.4.5 变异操作 |
| 4.4.6 流程图 |
| 4.5 仿真验证与分析 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录A 攻读硕士学位期间学术成果 |
（2）仓库储位分配算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 课题的背景和意义 |
| 1.2.1 课题研究的背景 |
| 1.2.2 课题研究的意义 |
| 1.3 本生产物流优化相关理论概述及国内外研究现状与趋势 |
| 1.3.1 货位分配 |
| 1.3.2 遗传算法 |
| 1.4 题研究内容及章节安排 |
| 第二章 基于遗传算法的仓库储位分配的关键技术及理论 |
| 2.1 生产物流优化领域中仓库储位分配问题 |
| 2.2 遗传算法 |
| 2.2.1 编码 |
| 2.2.2 适应度函数 |
| 2.2.3 群体 |
| 2.2.4 选择操作 |
| 2.2.5 交叉操作 |
| 2.2.6 变异操作 |
| 2.3 遗传算法精英保留策略 |
| 2.4 自适应遗传算法 |
| 2.4.1 基于线性函数的调节方法 |
| 2.4.2 基于余弦函数的调节方法 |
| 2.4.3 基于Sigmoid函数的自适应遗传算法 |
| 2.5 遗传算法进化逆转操作 |
| 2.6 小生境技术 |
| 2.6.1 基于预选排挤机制的小生态技术 |
| 2.6.2 基于确定性排挤机制的小生态技术 |
| 2.6.3 基于共享机制的小生境技术 |
| 2.7 本章小结 |
| 第三章 基于遗传算法的仓库储位分配算法设计 |
| 3.1 仓库储位优化模型的建立 |
| 3.2 遗传算法的适应度函数和编码的设计 |
| 3.2.1 目标函数一之高周转率的货品尽量靠近原点放置 |
| 3.2.2 目标函数二之经常一同出入库的货品尽量放置在一起 |
| 3.2.3 目标函数三之为保证货架垂直稳定性 |
| 3.2.4 综合三个目标函数设计适应度函数 |
| 3.2.5 遗传算法染色体编码设计 |
| 3.3 遗传算法算子设计 |
| 3.3.1 选择算子设计 |
| 3.3.2 交叉变异算子设计 |
| 3.4 基于精英保留策略的遗传算法设计 |
| 3.5 本章小结 |
| 第四章 基于小生境遗传算法设计实现及结果分析 |
| 4.1 基本遗传算法实现 |
| 4.1.1 基本遗传算法实现及结果分析 |
| 4.1.2 自适应交叉变异遗传算法实现及结果分析 |
| 4.1.3 带精英保留策略的遗传算法实现及结果分析 |
| 4.2 基于进化逆转遗传算法实现 |
| 4.3 基于进化逆转小生境技术的遗传算法实现 |
| 4.4 多种算法比较 |
| 4.5 本章小结 |
| 第五章 基于进化逆转小生境技术的数字仓库系统实现 |
| 5.1 实现数字仓库系统相关技术 |
| 5.1.1 JavaScript语言 |
| 5.1.2 Node.js运行环境 |
| 5.1.3 Vue.js框架 |
| 5.1.4 MySQL数据库 |
| 5.2 数字仓库系统实现过程 |
| 5.2.1 数字仓库系统的总体架构 |
| 5.2.2 构建应用框架及结构 |
| 5.2.3 数据库模块设计及实现 |
| 5.2.4 设计系统总体布局模块 |
| 5.2.5 设计系统零件管理配置模块 |
| 5.2.6 设计系统零件入库模块 |
| 5.2.7 零件管理模块 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（3）基于改进小生境PSO算法的综合能源系统调度研究（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 国内外研究现状 |
| 1.3 主要研究内容 |
| 第二章 综合能源系统结构及数学模型 |
| 2.1 综合能源系统概述 |
| 2.2 综合能源系统结构 |
| 2.3 综合能源系统单元数学模型 |
| 2.4 小结 |
| 第三章 综合能源系统调度模型 |
| 3.1 模型目标函数 |
| 3.2 模型约束条件 |
| 3.3 小结 |
| 第四章 综合能源系统调度模型求解算法及仿真 |
| 4.1 常用求解算法 |
| 4.2 小生境粒子群(PSO)算法 |
| 4.3 算例仿真 |
| 4.4 小结 |
| 第五章 含P2G的综合能源系统调度模型 |
| 5.1 P2G技术 |
| 5.2 含P2G的综合能源系统结构及数学模型 |
| 5.3 含P2G的综合能源系统调度模型 |
| 5.4 算例仿真 |
| 5.5 小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展塑 |
| 参考文献 |
| 致谢 |
| 个人简介及攻读硕士学位期间论文发表及获奖情况 |
（4）基于群智算法的桥梁结构有限元模型修正多解问题研究（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 国内外研究现状 |
| 1.3 本文的主要工作 |
| 第二章 有限元模型修正多解问题及相关技术 |
| 2.1 引言 |
| 2.2 有限元模型修正及多解问题 |
| 2.3 现有多解寻优算法 |
| 2.4 有限元模型修正相关技术 |
| 2.5 有限元模型修正多解问题研究流程 |
| 2.6 本章小结 |
| 第三章 改进的自适应小生境鱼群算法 |
| 3.1 引言 |
| 3.2 基本人工鱼群算法 |
| 3.3 改进人工鱼群算法策略 |
| 3.4 数值仿真试验及分析 |
| 3.5 本章小结 |
| 第四章 有限元模型修正多解问题实例论证 |
| 4.1 引言 |
| 4.2 ASCE-Benchmark模型介绍 |
| 4.3 ASCE-Benchmark有限元模型修正 |
| 4.4 本章小结 |
| 第五章 缩尺斜拉桥有限元模型修正多解问题研究 |
| 5.1 缩尺斜拉桥简介及有限元模型建立 |
| 5.2 缩尺斜拉桥环境振动测试 |
| 5.3 缩尺斜拉桥有限元模型修正 |
| 5.4 本章小结 |
| 第六章 人行天桥有限元模型修正与多解选择 |
| 6.1 工程背景及有限元模型建立 |
| 6.2 人行天桥环境振动测试 |
| 6.3 人行天桥有限元模型修正 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 论文主要结论 |
| 7.2 下一步工作及展望 |
| 参考文献 |
| 致谢 |
| 研究生期间参与科研情况 |
（5）面向航迹规划的改进NSGA-Ⅱ算法研究（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 无人机航迹规划的研究进展 |
| 1.3 演化多目标优化算法研究进展 |
| 1.4 论文主要研究内容及章节安排 |
| 第二章 多目标优化理论及规划模型的建立 |
| 2.1 最优化相关概念 |
| 2.1.1 多目标优化相关概念 |
| 2.1.2 多目标优化解的多样性评价指标 |
| 2.1.3 多目标优化解的收敛性评价指标 |
| 2.2 无人机多目标路径规划模型 |
| 2.2.1 规划空间表示方法 |
| 2.2.2 飞行物理约束 |
| 2.3 三维复杂空间航迹规划目标函数 |
| 2.4 本章小结 |
| 第三章 双种群NSGA-Ⅱ在航迹规划中的应用研究 |
| 3.1 遗传算法 |
| 3.1.1 遗传算法的发展 |
| 3.1.2 遗传算法工作原理 |
| 3.3 非支配遗传算法 |
| 3.3.1 NSGA算法 |
| 3.3.2 NSGA-Ⅱ算法 |
| 3.4 双种群NSGA-Ⅱ算法 |
| 3.4.1 双种群NSGA-Ⅱ算法改进思路 |
| 3.4.2 双种群“迁徙”要素 |
| 3.4.3 仿真实验分析 |
| 3.5 本章小结 |
| 第四章 支持强化学习的RNSGA-Ⅱ在航迹规划中的应用研究 |
| 4.1 强化学习 |
| 4.1.1 强化学习原理 |
| 4.1.2 马尔可夫决策过程 |
| 4.1.3 Q学习 |
| 4.2 支持强化学习的双种群RNSGA-Ⅱ算法 |
| 4.2.1 Q-learning过程设计 |
| 4.2.2 支持强化学习的双种群RNSGA-Ⅱ算法步骤 |
| 4.3 仿真实验分析 |
| 4.4 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（6）面向多模态函数优化问题的布谷鸟搜索算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变置注释表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 章节安排 |
| 2 基础理论与知识 |
| 2.1 布谷鸟搜索算法 |
| 2.2 梯度下降算法 |
| 2.3 基于共享机制的小生境技术 |
| 2.4 本章小结 |
| 3 基于随机梯度下降的布谷鸟搜索算法 |
| 3.1 引言 |
| 3.2 CS_SGD算法 |
| 3.3 实验与分析 |
| 3.4 本章小结 |
| 4 优化布谷鸟算法对多模态函数优化问题求解方法 |
| 4.1 引言 |
| 4.2 基于随机梯度下降的共享小生境布谷鸟算法 |
| 4.3 仿真实验 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 研究成果总结 |
| 5.2 未来展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（7）环形张拉整体结构的拓扑优化与应用（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 张拉整体结构概述 |
| 1.3 环形张拉整体结构研究背景 |
| 1.4 本文研究主要内容 |
| 第2章 张拉整体结构形态分析 |
| 2.1 引言 |
| 2.2 基于平衡矩阵的二次奇异值分解法 |
| 2.2.1 基本原理和步骤 |
| 2.2.2 算例 |
| 2.3 基于刚度矩阵的张拉整体找形方法 |
| 2.3.1 基本原理和步骤 |
| 2.3.2 算例 |
| 2.4 本章小结 |
| 第3章 环形张拉整体结构的拓扑优化 |
| 3.1 引言 |
| 3.2 遗传算法 |
| 3.2.1 遗传算法基本原理 |
| 3.2.2 遗传算法特点 |
| 3.3 拓扑优化方法 |
| 3.3.1 经典遗传算法的改进 |
| 3.3.2 SMFF法的改进 |
| 3.3.3 目标函数的建立 |
| 3.3.4 基于小生境遗传算法的环形张拉整体结构拓扑优化实现 |
| 3.4 算例分析 |
| 3.4.1 T40-32-8型环形张拉整体结构优化算例 |
| 3.4.2 T40-32-16型环形张拉整体结构优化算例 |
| 3.4.3 T80-64-16型环形张拉整体结构优化算例 |
| 3.5 本章小结 |
| 第4章 环形张拉整体结构的静动力特性 |
| 4.1 引言 |
| 4.2 环形张拉整体结构计算模型 |
| 4.3 环形张拉整体结构的静力特性 |
| 4.3.1 荷载-位移曲线 |
| 4.3.2 结构静力性能参数分析 |
| 4.4 环形张拉整体结构的动力特性 |
| 4.4.1 环形张拉整体结构的自振特性 |
| 4.4.2 结构动力性能参数分析 |
| 4.5 本章小结 |
| 第5章 环形张拉整体结构的应用 |
| 5.1 引言 |
| 5.2 自平衡穹顶结构的预应力确定 |
| 5.3 自平衡索穹顶结构的静力特性 |
| 5.3.1 荷载作用下结构的位移响应 |
| 5.3.2 均布荷载-位移曲线 |
| 5.4 自平衡索穹顶结构的动力特性 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及在学期间所取得的科研成果 |
| 基本信息 |
| 教育经历 |
| 硕士在读期间取得的科研成果 |
| 硕士在读期间参与的科研项目 |
（8）基于遗传算法的双目标流水车间调度问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景 |
| 1.2 课题的研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.4 论文的主要内容和结构 |
| 第2章 车间调度概述 |
| 2.1 车间调度问题 |
| 2.1.1 车间调度问题的概述 |
| 2.1.2 车间调度问题的特点 |
| 2.2 流水车间调度问题 |
| 2.2.1 流水车间调度问题概述 |
| 2.2.2 多目标流水车间调度存在的问题 |
| 2.3 调度问题的常用方法 |
| 2.3.1 运筹学方法 |
| 2.3.2 启发式方法 |
| 2.3.3 基于人工智能方法 |
| 2.3.4 领域搜索算法 |
| 2.4 本章小结 |
| 第3章 遗传算法理论与小生境技术 |
| 3.1 遗传算法概述 |
| 3.1.1 遗传算法的生物学基础 |
| 3.1.2 遗传算法的基本原理 |
| 3.1.3 遗传算法的基本概念 |
| 3.2 遗传算法的基本操作步骤 |
| 3.2.1 确定编码方案 |
| 3.2.2 产生初始化种群 |
| 3.2.3 确定适应度函数 |
| 3.2.4 遗传操作 |
| 3.3 遗传算法的特点 |
| 3.4 小生境技术 |
| 3.4.1 小生境与遗传算法 |
| 3.4.2 小生境遗传算法的基本思想及流程 |
| 3.4.3 遗传算法中小生境的实现方法 |
| 3.4.4 小生境遗传算法的优缺点 |
| 3.4.5 小生境遗传算法的应用 |
| 3.5 本章小结 |
| 第4章 单目标流水车间调度 |
| 4.1 单目标流水车间调度模型描述 |
| 4.2 单目标流水车间调度的算法实现 |
| 4.2.1 编码 |
| 4.2.2 适应度函数的设计 |
| 4.2.3 选择操作 |
| 4.2.4 交叉操作 |
| 4.2.5 变异操作 |
| 4.2.6 算法终止 |
| 4.3 单目标流水车间调度算例仿真 |
| 4.4 本章小结 |
| 第5章 双目标混合流水车间调度 |
| 5.1 双目标流水车间调度问题 |
| 5.1.1 双目标流水车间调度问题概述 |
| 5.1.2 双目标流水车间调度问题数学模型 |
| 5.2 混合流水车间调度问题 |
| 5.2.1 混合流水车间调度问题概述 |
| 5.2.2 混合流水车间调度问题数学模型 |
| 5.3 双目标混合流水车间调度问题的算法实现 |
| 5.3.1 编码与解码 |
| 5.3.2 产生初始种群 |
| 5.3.3 适应度函数 |
| 5.3.4 遗传操作 |
| 5.3.5 设置终止条件 |
| 5.4 双目标算例分析 |
| 5.5 混合流水车间算例分析 |
| 5.6 双目标混合流水车间调度算例仿真 |
| 5.7 本章小结 |
| 第6章 MATLAB仿真软件 |
| 6.1 MATLAB编辑界面 |
| 6.2 MATLAB输出界面 |
| 6.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
| 附录 |
（9）基于遗传算法求解柔性作业车间调度问题（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究目的和意义 |
| 1.2 FJSP的研究概况 |
| 1.3 遗传算法概况 |
| 1.4 本文的主要研究内容 |
| 第二章 柔性作业车间调度问题 |
| 2.1 柔性作业车间调度问题的描述 |
| 2.2 柔性作业车间调度问题的数学模型 |
| 2.2.1 FJSP的符号说明 |
| 2.2.2 FJSP的约束条件 |
| 2.3 柔性作业车间调度问题的常用评价指标 |
| 2.4 本章小结 |
| 第三章 改进遗传算法求解FJSP |
| 3.1 FJSP的染色体编码 |
| 3.2 初始化机制 |
| 3.2.1 FJSP的初始化 |
| 3.2.2 初始机器选择部分的性能对比分析 |
| 3.2.2.1 极限调度完工时间 |
| 3.2.2.2 调度最大完工时间 |
| 3.3 再激活机制 |
| 3.4 遗传算子 |
| 3.4.1 解码算子 |
| 3.4.2 交叉算子 |
| 3.4.3 变异算子 |
| 3.4.4 选择算子 |
| 3.4.5 全局最优判定算子 |
| 3.5 整体步骤 |
| 3.6 实验 |
| 3.6.1 对比实验 |
| 3.6.2 对比实验二 |
| 3.7 本章小结 |
| 第四章 改进小生境遗传算法求解FJSP |
| 4.1 种群多样性 |
| 4.1.1 种群多样性判定指标 |
| 4.1.2 传统GA的种群多样性分析 |
| 4.2 小生境技术 |
| 4.2.1 小生境技术的基本原理 |
| 4.2.2 小生境技术的实现方法 |
| 4.3 基于小生境的预选择机制 |
| 4.4 整体步骤 |
| 4.5 测试实验与分析 |
| 4.5.1 改进小生境GA的种群多样性分析 |
| 4.5.2 对比实验三 |
| 4.5.3 对比实验四 |
| 4.6 本章小结 |
| 第五章 工程应用 |
| 5.1 案例1 |
| 5.2 案例2 |
| 5.3 案例3 |
| 5.4 本章小结 |
| 第六章 总结及展望 |
| 6.1 总结 |
| 6.2 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 |
| 附件 |
（10）电子式供氧抗荷调节器一体化技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 氧调器和抗调器一体化研究 |
| 2.1 氧调器工作原理以及参数计算 |
| 2.1.1 氧调器设计生理学基础 |
| 2.1.2 氧调器结构设计 |
| 2.1.3 氧调器设计计算 |
| 2.2 抗荷调节器设计计算 |
| 2.2.1 电子式抗调器设计生理学基础 |
| 2.2.2 抗调器设计计算 |
| 2.3 一体化分析及设计 |
| 2.3.1 一体化设计的优点 |
| 2.3.2 氧调器和抗调器的数学建模 |
| 2.3.3 小生境遗传算法技术 |
| 2.3.3.1 算法的优化流程 |
| 2.3.3.2 关键算子操作 |
| 2.3.3.3 算法收敛性研究 |
| 2.4 本章小结 |
| 第三章 氧调器内部流场特性研究 |
| 3.1 数值模拟方法 |
| 3.1.1 控制方程 |
| 3.1.2 湍流模型 |
| 3.1.3 边界条件 |
| 3.2 数学建模 |
| 3.2.1 氧调器建模过程 |
| 3.2.2 网格的划分 |
| 3.3 数值计算 |
| 3.3.1 湍流模型 |
| 3.3.2 数值仿真计算 |
| 3.4 本章小结 |
| 第四章 氧调器和抗调器控制方式研究 |
| 4.1 高空供氧抗荷的要求 |
| 4.2 控制算法研究 |
| 4.3 采用的控制设备 |
| 4.4 控制方式的研究 |
| 4.4.1 氧调器控制方式 |
| 4.4.2 抗调器控制方式 |
| 4.5 本章小结 |
| 第五章 电子式供氧抗荷调节器装机试验 |
| 5.1 试验方案及设备 |
| 5.1.1 实验方案 |
| 5.1.2 实验设备 |
| 5.1.3 实验目的 |
| 5.2 试验结果及分析 |
| 5.3 本章小结 |
| 第六章 总结和展望 |
| 6.1 全文总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 在学期间发表论文以及参加科研项目情况 |
| 攻读博士学位期间发表(录用)论文情况 |
| 攻读博士学位期间参加主要科研项目情况 |
四、小生境技术对遗传算法的改进作用研究（论文参考文献）
- [1]基于改进遗传算法的柔性作业车间调度问题的研究[D]. 李丹. 昆明理工大学, 2021(01)
- [2]仓库储位分配算法研究[D]. 吴胜鑫. 电子科技大学, 2021(01)
- [3]基于改进小生境PSO算法的综合能源系统调度研究[D]. 邹玙琦. 宁夏大学, 2020(03)
- [4]基于群智算法的桥梁结构有限元模型修正多解问题研究[D]. 张学强. 武汉理工大学, 2020(08)
- [5]面向航迹规划的改进NSGA-Ⅱ算法研究[D]. 郑宝娟. 长安大学, 2020(06)
- [6]面向多模态函数优化问题的布谷鸟搜索算法研究[D]. 田媛. 山东科技大学, 2019(05)
- [7]环形张拉整体结构的拓扑优化与应用[D]. 谢胜达. 浙江大学, 2019(01)
- [8]基于遗传算法的双目标流水车间调度问题研究[D]. 李文韬. 沈阳理工大学, 2019(03)
- [9]基于遗传算法求解柔性作业车间调度问题[D]. 王琴. 北京化工大学, 2018(01)
- [10]电子式供氧抗荷调节器一体化技术研究[D]. 赵颖杰. 南京航空航天大学, 2017(01)