摘要5-6
Abstract6-11
第1章 绪论11-24
1.1 课题研究的背景和11-12
1.2 智能优化算法的起源、发展及应用12-15
1.2.1 粒子群优化算法14
1.2.2 和声搜索算法14-15
1.3 文化算法的发展历程15-20
1.3.1 智能优化算法的局限性15-16
1.3.2 文化的演化16
1.3.3 文化加速进化16-17
1.3.4 文化算法的研究现状17-20
1.4 油品调合优化问题20-22
1.4.1 油品调合的与作用20
1.4.2 油品调合技术的发展与研究现状20-21
1.4.3 石脑油调合技术的研究现状21-22
1.5 内容及安排22-24
第2章 文化算法24-38
2.1 引言24
2.2 文化算法的计算框架24-25
2.3 文化算法的理论介绍25-35
2.3.1 种群空间的进化25-26
2.3.2 信念空间的知识结构及其更新规则26-31
2.3.3 接受函数31-32
2.3.4 影响函数32-35
2.4 文化算法的实现35-36
2.5 文化算法的特点及应用36-37
2.6 小结37-38
第3章 基于文化和声搜索算法的约束优化问题研究38-51
3.1 引言38
3.2 约束优化问题38-39
3.2.1 问题描述38-39
3.2.2 约束处理方法39
3.3 和声搜索算法(HS)39-42
3.3.1 HS算法原理39-40
3.3.2 HS算法实现流程40-42
3.4 文化和声搜索算法(HSCA)42-46
3.4.1 HSCA算法思想43
3.4.2 HSCA算法设计43-45
3.4.3 HSCA算法实现流程45-46
3.5 基于HSCA算法的约束优化问题的仿真试验及结果分析46-49
3.5.1 性能指标46-47
3.5.2 参数设置47
3.5.3 仿真结果与分析47-49
3.6 小结49-51
第4章 基于改进的文化粒子群优化算法的约束优化问题研究51-66
4.1 引言51-52
4.2 粒子群优化算法(PSO)52-54
4.2.1 PSO算法思想52-53
4.2.2 PSO算法流程53-54
4.3 文化粒子群优化算法(PSOCA)54-55
4.3.1 PSOCA算法思想54
4.3.2 PSOCA算法实现流程54-55
4.4 改进的文化粒子群优化算法(IPSOCA)55-60
4.4.1 种群空间的进化56-57
4.4.2 信念空间的结构57
4.4.3 接受函数57
4.4.4 信念空间的更新57-59
4.4.5 影响函数59
4.4.6 算法实现流程59-60
4.5 IPSOCA算法在约束优化问题中的仿真试验及结果分析60-65
4.5.1 参数设置60
4.5.2 仿真结果与分析60-65
4.6 小结65-66
第5章 IPSOCA算法在组分不确定的石脑油调合优化问题中的应用66-75
5.1 引言66
5.2 炼油厂工艺流程简介66-68
5.3 石脑油调合优化问题的工业背景68-71
5.3.1 油品调合生产工艺69
5.3.2 石脑油调合优化问题的技术背景69-71
5.4 IPSOCA求解组分不确定的石脑油调合优化问题71-72
5.4.1 问题描述与分析71
5.4.2 石脑油调合优化模型的建立71-72
5.5 仿真优化求解与分析72-74
5.6 小结74-75
第6章 总结与展望75-77
6.1 工作总结75-76
6.2 展望76-77
附录: 测试函数77-79