您当前的位置：首页 > 基于智能计算及知识指导的集成优化设计理论与方法研究 [刘道华 编] 2012年版 > 下载地址2
基于智能计算及知识指导的集成优化设计理论与方法研究 [刘道华 编] 2012年版
- 名 称：基于智能计算及知识指导的集成优化设计理论与方法研究 [刘道华 编] 2012年版 - 下载地址2
- 类 别：计算机与网络
- 下载地址：[下载地址2]
- 提 取 码：
- 浏览次数：3
发表评论 加入收藏夹 错误报告目录| 新闻评论（共有 0 条评论） |
资料介绍
基于智能计算及知识指导的集成优化设计理论与方法研究
作者：刘道华 编
出版时间：2012年版
内容简介
《基于智能计算及知识指导的集成优化设计理论与方法研究》编著者刘道华。《基于智能计算及知识指导的集成优化设计理论与方法研究》内容针对单一智能优化算法的内在机理、优化策略、算法的收敛性进行了深入的系统分析。充分利用各种单一智能优化算法的优点，依据集成优化系统中已有的知识库知识规则作指导，针对不同的优化设计模式自动构建不同的集成优化求解方法。集成优化求解方法在优化求解进程中自适应地调整子算法的参数，从而提高集成优化算法的求解精度及求解效率。构建不同类型的知识获取器对优化的中间或结果数据进行深度挖掘，从而抽取有效的知识规则。书中最后以液压锚杆钻机动力头集成优化设计为实例，并通过实例优化结果的有效性验证该集成优化方法的正确性。本书适合从事智能计算研究与优化设计研究与应用的科技工作者和工程技术人员阅读使用，也可作为高等院校计算机等信息类、机械等工程类的相关专业研究生和高年级本科生的教学参考。
目录
第1章 绪论
1.1 国内外研究现状
1.1.1 智能计算的发展现状
1.1.2 知识在集成优化中运用的水平
1.1.3 传统优化设计理论的发展现状及不足
1.1.4 单一智能优化算法存在的不足
1.1.5 集成优化设计理论的发展现状及分析
1.2 本书的主要研究内容
1.3 本书的研究方法及组织结构
l.3.1 本书的研究方法
1.3.2 本书的篇章结构
1.4 本书研究的重要意义和应用前景
第2章 面向工程机械的优化设计理论及方法
2.1 优化设计理论及基本概念
2.1.1 优化设计的基本概念
2.1.2 优化设计理论
2.1.3 优化设计的关键技术
2.2 优化设计技术分类
2.3 面向工程机械的多目标智能优化
2.3.1 多目标优化的基本概念
2.3.2 多目标优化问题的传统求解方法
2.3.3 常见的多目标优化性能度量方法
2.3.4 改进的多目标优化问题的性能度量方法
2.3.5 基于进化算法的多目标优化问题的求解方法
第3章 智能计算方法及其集成技术
3.1 常见智能计算方法及其改进算法
3.1.1 模拟退火算法
3 1.2 遗传算法及算法改进措施
3 1.3 神经网络优化算法及动态反馈神经网络的稳定性分析
3.1.4 蚁群优化算法
3.1.5 粒子群优化算法
3.2 智能计算方法的集成技术
3.2.1 集成与系统集成的主要特征
3.2.2 智能集成的涵义
3.2.3 智能集成优化的关键问题
3.2.4 智能集成优化的集成形式
3.2.5 智能集成优化算法的性能评价
第4章 智能计算与仿真分析的结合模式及集成优化求解方法
4.1 智能计算与仿真分析的集成模式
4.2 工程机械优化设计模式分类
4.3 集成优化求解方法的指导性知识规则
4.4 优化设计模式的智能集成优化求解方法
4.4.1 以遗传算法为代表的遗传集成类优化求解方法
4.4.2 以神经网络为代表的网络集成类优化求解方法
4.4.3 以蚁群算法为代表的蚁群集成类优化求解方法
4.4.4 以粒子群算法为代表的粒子群集成类优化求解方法
4.4.5 遗传算法集成混沌优化求解方法
4.4.6 蚁群算法集成混沌优化求解方法
4.4.7 粒子群算法集成混沌优化求解方法
4.4.8 基于多蚁群算法的多目标智能集成优化求解方法
4.4.9 基于网络响应面的多目标优化求解方法
4.5 集成优化算法的参数自适应动态调整
4.5.1 遗传算法控制参数的自适应调整方法
4.5.2 粒子群参数动态自适应调整方法
4.5.3 遗传算法参数的模糊逻辑控制器调整方法
4.5.4 蚁群优化算法参数的模糊逻辑控制器调整方法
第5章 基于智能计算与仿真分析的知识获取方法
5.1 神经网络优化的产生武知识获取方法
5.2 基于粗糙集理论的知识获取方法
5.2.1 知识自动获取原理
5.2.2 基于粗糙集理论的知识自动获取过程
5.3 智能计算与仿真分析相结合的知识获取方法
5.3.1 基于ADAMs仿真数据的知识获取方法
5.3.2 基于ANsYs分析数据的知识获取方法
第6章 智能集成优化平台及锚杆钻机动力头集成优化实例
6.1 智能集成优化平台的总体结构
6.2 智能集成优化系统的功能模块
6.3 液压锚杆钻机的发展现状
6.4 液压锚杆钻机动力头传动机构的智能集成优化实例
6.5 锚杆钻机动力头智能集成优化设计的知识获取方法
6.5.1 锚杆钻机动力头ADAMS仿真数据的知识获取方法
6.5.2 锚杆钻机动力头ANSYS分析数据的知识获取方法
第7章 总结及展望
7.1 研究工作总结
7.2 研究工作的不足及展望
参考文献
作者：刘道华 编
出版时间：2012年版
内容简介
《基于智能计算及知识指导的集成优化设计理论与方法研究》编著者刘道华。《基于智能计算及知识指导的集成优化设计理论与方法研究》内容针对单一智能优化算法的内在机理、优化策略、算法的收敛性进行了深入的系统分析。充分利用各种单一智能优化算法的优点，依据集成优化系统中已有的知识库知识规则作指导，针对不同的优化设计模式自动构建不同的集成优化求解方法。集成优化求解方法在优化求解进程中自适应地调整子算法的参数，从而提高集成优化算法的求解精度及求解效率。构建不同类型的知识获取器对优化的中间或结果数据进行深度挖掘，从而抽取有效的知识规则。书中最后以液压锚杆钻机动力头集成优化设计为实例，并通过实例优化结果的有效性验证该集成优化方法的正确性。本书适合从事智能计算研究与优化设计研究与应用的科技工作者和工程技术人员阅读使用，也可作为高等院校计算机等信息类、机械等工程类的相关专业研究生和高年级本科生的教学参考。
目录
第1章 绪论
1.1 国内外研究现状
1.1.1 智能计算的发展现状
1.1.2 知识在集成优化中运用的水平
1.1.3 传统优化设计理论的发展现状及不足
1.1.4 单一智能优化算法存在的不足
1.1.5 集成优化设计理论的发展现状及分析
1.2 本书的主要研究内容
1.3 本书的研究方法及组织结构
l.3.1 本书的研究方法
1.3.2 本书的篇章结构
1.4 本书研究的重要意义和应用前景
第2章 面向工程机械的优化设计理论及方法
2.1 优化设计理论及基本概念
2.1.1 优化设计的基本概念
2.1.2 优化设计理论
2.1.3 优化设计的关键技术
2.2 优化设计技术分类
2.3 面向工程机械的多目标智能优化
2.3.1 多目标优化的基本概念
2.3.2 多目标优化问题的传统求解方法
2.3.3 常见的多目标优化性能度量方法
2.3.4 改进的多目标优化问题的性能度量方法
2.3.5 基于进化算法的多目标优化问题的求解方法
第3章 智能计算方法及其集成技术
3.1 常见智能计算方法及其改进算法
3.1.1 模拟退火算法
3 1.2 遗传算法及算法改进措施
3 1.3 神经网络优化算法及动态反馈神经网络的稳定性分析
3.1.4 蚁群优化算法
3.1.5 粒子群优化算法
3.2 智能计算方法的集成技术
3.2.1 集成与系统集成的主要特征
3.2.2 智能集成的涵义
3.2.3 智能集成优化的关键问题
3.2.4 智能集成优化的集成形式
3.2.5 智能集成优化算法的性能评价
第4章 智能计算与仿真分析的结合模式及集成优化求解方法
4.1 智能计算与仿真分析的集成模式
4.2 工程机械优化设计模式分类
4.3 集成优化求解方法的指导性知识规则
4.4 优化设计模式的智能集成优化求解方法
4.4.1 以遗传算法为代表的遗传集成类优化求解方法
4.4.2 以神经网络为代表的网络集成类优化求解方法
4.4.3 以蚁群算法为代表的蚁群集成类优化求解方法
4.4.4 以粒子群算法为代表的粒子群集成类优化求解方法
4.4.5 遗传算法集成混沌优化求解方法
4.4.6 蚁群算法集成混沌优化求解方法
4.4.7 粒子群算法集成混沌优化求解方法
4.4.8 基于多蚁群算法的多目标智能集成优化求解方法
4.4.9 基于网络响应面的多目标优化求解方法
4.5 集成优化算法的参数自适应动态调整
4.5.1 遗传算法控制参数的自适应调整方法
4.5.2 粒子群参数动态自适应调整方法
4.5.3 遗传算法参数的模糊逻辑控制器调整方法
4.5.4 蚁群优化算法参数的模糊逻辑控制器调整方法
第5章 基于智能计算与仿真分析的知识获取方法
5.1 神经网络优化的产生武知识获取方法
5.2 基于粗糙集理论的知识获取方法
5.2.1 知识自动获取原理
5.2.2 基于粗糙集理论的知识自动获取过程
5.3 智能计算与仿真分析相结合的知识获取方法
5.3.1 基于ADAMs仿真数据的知识获取方法
5.3.2 基于ANsYs分析数据的知识获取方法
第6章 智能集成优化平台及锚杆钻机动力头集成优化实例
6.1 智能集成优化平台的总体结构
6.2 智能集成优化系统的功能模块
6.3 液压锚杆钻机的发展现状
6.4 液压锚杆钻机动力头传动机构的智能集成优化实例
6.5 锚杆钻机动力头智能集成优化设计的知识获取方法
6.5.1 锚杆钻机动力头ADAMS仿真数据的知识获取方法
6.5.2 锚杆钻机动力头ANSYS分析数据的知识获取方法
第7章 总结及展望
7.1 研究工作总结
7.2 研究工作的不足及展望
参考文献
