多目标优化方法在材料成型中的应用

作者：马劲红 着

出版时间：2014年

内容简介

《多目标优化方法在材料成型中的应用》共分8章。第1章主要介绍了遗传算法的生物学基础、发展及应用；第2章介绍了人工神经网络的发展、人工神经元和神经网络的基本概念；第3章介绍了模糊数学的发展、模糊集及模糊数学模型；第4章介绍了多目标优化发展、概念、求解方法及演化算法和多目标优化的应用；第5章利用多目标遗传算法优化了棒材连轧孔型设计；第6章应用多目标遗传算法和有限元相结合的优化方法优化了波纹轨腰钢轨的波纹参数，优化了异型坯连铸二冷配水方案及万能型钢轧机机架圆角；第7章利用BP—NSGA相结合的优化方法优化了万能型钢轧机机架圆角；第8章利用模糊综合评判方法优化了Y型轧机轧辊参数。

目录

1 遗传算法

1．1 遗传算法的生物学基础

1．1．1 遗传与变异

1．1．2 进化

1．1．3 遗传与进化的系统观

1．2 遗传算法的发展

1．3 遗传算法的特点

1．4 遗传算法的应用

1．5 遗传算法优化

1．5．1 遗传算法优化的基本原理和步骤

1．5．2 遗传算法优化的特点

2 人工神经网络

2．1 人工神经网络简介

2．2 人工神经网络发展历史

2．3 人工神经元模型

2．3．1 生物神经元的结构

2．3．2 人工神经元模型

2．4 神经网络基本概念

2．4．1 典型的神经网络结构

2．4．2 学习方式

2．4．3 学习算法

2．4．4 BP神经网络

2．5 人工神经网络的技术特性及优势

3 模糊数学

3．1 模糊数学的发展

3．2 模糊集

3．2．1 模糊集合的相关概念

3．2．2 模糊子集的定义

3．2．3 截集

3．3 模糊数学模型

3．3．1 对称性模糊优化数学模型

3．3．2 非对称性模糊优化数学模型

3．3．3 水平截集法

3．3．4 水平截集法的改进

3．3．5 基于二级模糊评判理论确定最优水平值A。的方法

4 多目标优化

4．1 多目标优化问题概述

4．2 多目标优化的基本概念

4．3 传统多目标优化问题求解方法

4．3．1 求解方法

4．3．2 局限性

4．4 求解多目标问题的演化算法

4．4．1 求解多目标问题演化算法的发展过程

4．4．2 主要算法

4．4．3 按照适应度和选择方式进行分类

5 多目标遗传算法

5．1 多目标遗传算法的优化机理

5．2 多目标遗传算法的常用求解方法

5．3 基于MATLAB遗传工具箱的优化方法

5．3．1 MATLAB遗传算法工具箱的通用函数

5．3．2 MATLAB遗传算法的终止

5．4 多目标遗传算法计算步骤

5．5 棒材孔型多目标遗传优化设计

5．5．1 孔型多目标优化设计中的目标函数

5．5．2 棒材孔型多目标优化设计的约束条件

5．5．3 惩罚函数法

5．5．4 棒材全连轧孔型优化设计

6 多目标遗传算法和有限元法相结合的优化方法及应用

6．1 多目标遗传算法和有限元法相结合的优化思想

6．2 多目标遗传算法和有限元程序的结合方法

6．2．1 APDL语言简介

6．2．2 多目标遗传算法和有限元法相结合的方法

6．3 多目标遗传算法和有限元法相结合程序的计算步弱

6．4 多目标遗传算法和有限元法相结合的程序

6．5 多目标遗传算法和有限元法相结合优化波纹轨腰钢轨的波纹参数

6．5．1 优化的有限元模型

……

7 BP-NSGA相结合的优化方法

8 模糊综合评判在多目标优化中的应用




上一篇: 薄膜技术与薄膜材料 2015年版
下一篇: 多孔缓冲材料有限元结构分析与设计方法