一、用于非光滑优化的信赖域算法的一个实施方案（论文文献综述）
付巍巍[1]（2021）在《集群智能算法的改进与应用研究》文中指出优化问题是人类生产和社会实践中普遍存在的问题。本文从实际复杂优化问题入手,重点探讨了蚁群算法和粒子群算法两种集群智能算法,对算法进行改进并在实际问题中应用检验。同时针对物流配送中心选址问题,改进传统的非线性规划方法,完成算法测试和实际应用。全文从四个方面进行了讨论和研究:第一部分介绍蚁群算法并对蚁群算法进行改进,通过实际最短路问题验证了改进算法的有效性。证明当参数取值为α≥1,β>0时,随迭代时间的增加,最短路径上的期望强度逐渐增大,最短路径选择的期望序列{η1（t）}单调递增,且满足（?）η1（t）=1,证明了最短路问题的蚁群算法的收敛性,从理论上给出算法收敛时参数的范围。对蚁群算法及改进算法在不同参数取值下进行收敛性分析,得到如下结论:1)信息素强度常数的变化对于算法的收敛性具有比较明显的影响,在参数取ρ=0.9,α=11,β=5的情况下,蚁群算法当Q=1和Q=1000时,收敛效果更好,改进的蚁群算法当Q=1和Q=100000时收敛效果更好;2)蚂蚁群体数目越大,算法的收敛性越好,但不可避免的会造成迭代时间的增加;3)验证参数取值满足α≥1,β>0时,蚁群算法及改进算法收敛,破坏上述条件时,算法不收敛;4)信息素挥发因子ρ在0,1之间取不同值对于最优值的影响不大。第二部分阐述了粒子群算法并将最速搜索方向引入粒子群算法,完成对粒子群算法的改进。分析算法迭代的位置和速度公式,通过求解二阶常系数线性非齐次差分方程给出粒子群算法及改进粒子群算法收敛的参数取值范围为B-ω>1/2,-1<ω<1。在不同参数取值下对算法的收敛性进行分析,验证当ω=1,c1=0,c2=0时,两种算法均不收敛。采用测试函数对粒子群算法和改进的算法进行算法测试,验证改进算法无论从求解的稳定性还是收敛精度、速度上都较未改进的算法有明显提高。将改进的粒子群算法应用在水文地质参数的计算中,对算法的收敛性、精度和灵敏度进行分析,通过粒子群算法的优化,提高了精度和灵敏度,为水文地质模型的建立和含水层参数的确定提供了可靠的算法依据。第三部分将蚁群与粒子群两种算法结合,在蚁群算法中引入粒子群算法,借助遗传算法的思想,对算法进行迭代更新,并将混合后的算法应用于求解旅行售货商问题,发现其具有明显的追优效果。其中效果最好的是采用随机交叉策略D和变异策略B的混合算法（其中交叉策略D是指在父串1中随机选择一个子串,将此子串插到父串2的确定位置,同时删除父串2中原来存在的已重复出现的节点,即可得到子串的策略;变异策略B是指在第1～n个访问的节点中随机的选择一个节点,在原路径中将这个节点与它之前访问的节点对换,其余节点的访问次序均不变,即得到新路径的策略）,甚至混合方式中效果最差的算法的最短路程也远远优于蚁群算法,说明结合了粒子群和蚁群的混合算法是一种有效的改进算法;对混合算法的参数进行分析,得到最优的混合算法迭代方案。第四部分研究首先从求解无约束非线性规划常用的梯度法、牛顿法、拟牛顿法入手,剖析算法的原理,结合三种算法提出两种改进算法,通过数值实验将改进算法与原算法进行比较,验证改进算法相对于原有三种算法在迭代速度和精度上均有不同程度的改进;其次,将算法应用于解决物流配送中心选址问题,在选址区域内,根据Huff引力模型,新建配送中心,采用配送中心利润最大原则,求解出新建配送中心利润的最大值。最后,文章重点介绍信赖域算法,将信赖域算法向非光滑优化领域进行推广,引入拟割向量替代梯度向量,给出了一种新的近似矩阵的更新方法,求解信赖域子问题,从理论上验证了改进算法的全局收敛性及超线性收敛速度。
景琛宁[2]（2020）在《6R串联机器人布局优化和多目标轨迹规划技术及应用研究》文中研究指明随着中小批量生产中任务的复杂性增加,在线规划和编程的可靠性差、缺乏灵活性、可重用性不足以及非常耗时的缺点使其难以满足当前工业生产的要求。离线编程能够最大程度地减少工业机器人的停机时间,并使机器人程序的灵活性、可重用性、可靠性和安全性最大化,从而改善工业机器人的使用效率和生产加工过程的自动化水平。而6R串联机器人的布局优化和轨迹规划是离线编程的关键内容,因此,本文主要针对6R串联机器人的布局优化和轨迹规划技术展开研究应用工作:针对基于串联机器人可达工作空间的机器人工作站布局优化难以适应当前复杂加工要求的问题,提出机器人末端在特定姿态下的串联机器人灵活工作空间求解方法,提出基于布谷鸟搜索算法的串联机器人工作站布局优化方法。针对基于多项式插值函数的工业机器人轨迹规划存在的轨迹曲线难以控制和修改的问题,提出基于NURBS曲线函数的串联机器人关节空间轨迹插值方法。针对单一目标轨迹规划难以满足现代生产要求的问题,提出基于改进的NSGA-II算法进行多目标综合最优轨迹规划方法。以车轮毂打磨工作站为例,应用本文提出的串联机器人工作站布局优化方法,求解了加工区域灵活度最优的布局方案。基于优化的布局,针对车轮毂辐条内缘打磨任务,运用本文提出的多目标轨迹规划方法求解了时间-能量综合最优的机器人工作轨迹。结果表明,这些方法很好地满足规划需求,对于在加工区域内机器人末端姿态变化幅度不大的打磨、喷涂等工艺场景具有一定推广价值。最后,总结了本文的研究内容,并对未来6R串联工业机器人的布局优化和轨迹规划技术的研究进行展望。
张立[3]（2019）在《非单调信赖域算法研究和应用》文中研究说明随着经济的快速发展和全球化进程的加速,优化的理论和方法不断更新和发展。同时各种优化理论法在经济管理领域和工程领域有着快速和深入的应用。从上个世纪八十年代着名学者Grippo提出非单调优化方法,这一思想和方法初露端倪。随着各个国家的学者纷纷展开研究,发表了一系列的论文,丰富和发展了非单调优化方法。本文重点研究非单调信赖域优化方法的理论和算法,并把这种理论和算法应用到洛伦兹曲线拟合模型的参数估计和工程中MR0问题的优化设计之中。论文介绍非线性规划、信赖域方法、无导数优化、质量控制理论、洛伦兹曲线的发展脉络基本框架以及非单调技术基础上,进一步拓展这些技术和算法,提出了改进的的信赖域算法及其在洛伦兹曲线和工程MR0问题中优化设计的应用。论文首先结合平均型和极大型两类非单调算法的特点,设计一种改进的非单调信赖域算法。在较弱的前提下,证明了这一类算法的收敛性。同时进行了相应的数值试验,发现计算效果比较好。无导数优化目前是一个热点问题。论文结合前期学者的研究成果,提出一种改进的无导数信赖域算法并进行了具体分析,得到相应的收敛性结果。其次论文重点讨论了洛伦兹曲线拟合模型必须要满足的性质,提出了构建方法,构建了一族洛伦兹曲线的表达式。对于模型中的参数估计问题,本文提出了用上面的改进的的信赖域算法来计算,得到了相应的参数值。结合一些国家和地区的收入统计数据,提出的洛伦兹曲线模型和其他一些模型通过对比计算,统计指标较好。产品质量的形成过程不仅与生产过程有关,还与其他许多过程、许多环节和因素相关联,同时在质量控制中经常出现和优化设计相关的模型和问题。RSM方法是质量控制的一个重要手段,其中工程中MR0问题优化设计对于质量控制和RSM方法起着重要作用。结合质量控制理论,针对工程中MR0问题,提出相关的优化设计模型和算法,结合具体数据和改进的非单调信赖域算法和无导数优化技术进行了相关的计算与统计分析,总体满意度指标得到了明显的改进。本文主要创新之处是:第一,对于非线性规划中的非单调技术等进行了研究,并提出了改进的非单调信赖域算法并进行了收敛性分析和数值计算;第二,结合了前阶段学者的研究成果,提出一种改进的无导数信赖域算法并进行了分析,得到了相应的收敛性结果;第三,结合了洛伦兹曲线的性质和几何特征,提出了构建方法,得到了一族新的洛伦兹曲线的表达式,用改进的非单调信赖域算法来计算模型参数,结合相关文献的数据计算,数据统计指标得到较为显着的改进。第四,以质量控制理论、非线性规划等作为理论基础,对于工程中MRO问题具体分析并建立了相应的优化设计模型,应用改进的非单调信赖域算法和无导数优化技术进行计算,总体满意度指标得到了进一步明显的改进。
林海婵[4]（2010）在《无约束优化问题的记忆梯度法的若干研究》文中进行了进一步梳理无约束优化方法是最优化方法研究领域中较重要的分支之一.在众多的无约束优化方法中,记忆梯度法,超记忆梯度法是利用前面迭代点的信息来产生下一个迭代点.这类算法具有较强地收敛性和较快地收敛速度,以及较小的计算量和存储量,因此这类算法具有较大的应用价值.本论文的主要研究成果是：第二章对带线性搜索记忆梯度法进行修正,由于对目标函数的要求降低,因此扩大了该算法的适用范围；第三章中提出了一个无约束优化问题的新的超记忆梯度法,由于该算法仅需要求解一个线性方程组系统,而不必求解带信赖域界的子问题.一般来说,这样可减少计算量,从而提高计算效率；第四章给出了带记忆模型信赖域梯度的算法的具体实现方案,数值实验结果表明该方案是可行的.
孙永利[5]（2007）在《钢铁企业集团资源优化管理系统研究》文中研究说明以经济全球化为显着特征的21世纪经济发展进程中，企业集团正逐渐成为当前企业组织形式发展的一种趋势。作为市场竞争机制的产物，企业集团在我国出现和衍生的时间还比较短，对其管理模式的研究还处于探索阶段。本文以集团化钢铁企业为研究对象，探索面向集团化管理模式的企业资源优化管理的理论和方法，研究面向集团化企业资源优化管理的运作过程及企业信息化系统的解决方案，并对递阶排产、协同发运、运营数据分析与决策等关键技术进行深入研究。（1）论文首先介绍了企业集团的概念、特征及类型，研究了横向型制造企业集团的管理调控机制、资源优化配置，提出了集团化管理模式，并从组织结构的重构、业务流程的优化、集团化管理的理念等方面，详细研究了钢铁企业集团化管理模式。（2）针对企业集团决策层和执行层递阶管理的特点，研究钢铁企业集团递阶排产计划模型。将该模型抽象为两层规划问题，上层统筹考虑集团全局的效益最大，下层则在满足集团下属各成员企业设备能力和资源配置约束的基础上，以集团分布式生产资源运作成本最优为目标，实现集团生产资源的全局优化。（3）针对集团化管理模式下成员企业间物流业务协同的需求，利用多目标规划理论，在协同计划期和协同发运过程中运输能力及库存能力等条件约束下，以实现最小运输费用、最小拖期和库存惩罚费用以及最大准发出库为目标，建立多目标优化的集团协同发运模型，研究成员企业间物流资源的协同优化。（4）研究企业集团运营数据分析与决策模型，利用OLAP数据分析技术对企业集团的多维数据进行分析，探索集团企业业务数据的信息含义；根据钢铁成品定价机制，提出了一个基于数据挖掘技术的钢铁成品基价预测模型。为企业集团生产运营提供决策优化的方法和工具，提高企业集团的信息资源优化管理水平。（5）在分析钢铁企业集团化管理模式的基础上，提出了一个支撑企业集团化资源管理的信息化体系架构。该架构为集团化企业提供了一个统一的信息集成平台和应用服务环境，实现了网络环境下集团运作的业务协同管理，解决了在异域、异构和分布式环境下的企业信息资源的集成管理问题。（6）实现集团化钢铁企业的应用系统。运用软件工程的理论、方法和工具，就企业集团信息化过程中的需求分析、建模分析、总体设计以及技术架构等进行应用研究，最后给出钢铁企业集团资源优化管理信息系统的应用原型。论文面向钢铁企业集团化管理模式，提出一套集团化企业资源的协调与优化理论、方法和一个系统的、具有一定通用性和可扩展性的信息系统理论体系框架，解决集团企业资源优化管理的问题以及先进管理模式与信息化能力之间矛盾。
李喆[6]（2007）在《面向产品族协同优化设计的模糊层次优化模型与方法研究》文中研究说明产品族设计是大规模定制中的关键问题。以往的研究,对于产品族主要功能参数及其关联的从属功能参数的设计多采取各自独立的方式而忽略其间的主从关联关系,缺乏对各功能参数的协同设计的研究,特别是具有模糊参数的情形。模糊多层次优化问题由于其广泛的实际应用背景而成为近年来研究的热点,但由于其求解的难度而主要停留在理论层面。本文针对这一现实背景,对面向产品族协同优化设计的模糊双层规划模型与方法进行了系统的研究,主要工作如下:第一,基于对目前产品族参数设计的研究综述,分析并指出了研究中的不足;提出了基于主从关联结构的产品族协同优化设计的理念,将具有主从结构的产品族协同优化设计问题分为两类:全局-局部协同优化和关键-从属协同优化。第二,对于全局-局部协同优化和关键-从属协同优化两类问题,研究了其概念模型和数学模型建立的全过程,建立了包括市场需求分析、产品族架构、功能指标确定、柔性与模糊性分析等的分析模型和数学模型,探讨了大规模定制下的定制参数、平台参数、产品平台、产品族等的规划设计方法。第三,研究了模型的解析型算法,分别针对具有模糊目标与模糊约束的模糊双层规划以及具有模糊系数的模糊双层规划模型构建了求解方法,并给出产品族设计的数值算例验证了其可行性。第四,研究了模型的智能型算法,分别建立了基于遗传算法和粒子群算法的模糊双层规划求解方法,给出了数值算例。第五,将所研究的模型和方法应用于具有模糊参数的机械产品族优化设计,建立了产品族协同优化设计的模糊双层规划模型。最后对全文工作做了总结,并对今后的进一步研究做了展望。
欧宜贵,李志林[7]（2003）在《用于非光滑优化的信赖域算法的一个实施方案》文中提出本文给出了处理无约束非光滑优化的信赖域算法的一个实施方案。数值实验表明:这种方案是切实可行和可靠的。
陈昌富[8]（2001）在《仿生算法及其在边坡和基坑工程中的应用》文中研究表明本文提出了仿生算法（Bionic Algorithms）的概念，讨论了仿生算法的基本原理和方法，对几种常用的仿生算法（神经网络算法、遗传算法、蚁群算法和模糊系统方法）进行了全面改进。针对边坡和基坑工程中存在大量的随机性、模糊性等不确定因素，传统的一些分析理论与方法难以满足日趋复杂的工程分析与设计要求，本文将仿生算法用于边坡和基坑工程分析与设计中，提出了一种全新的设计思路和理念，得到了一些新颖且又有效的分析设计方法。本文主要的研究成果有： 1、针对仿生算法存在搜索效率低、局部搜索能力差的缺点，本文作了如下改进：（1）、将新兴的信赖域算法引入BP补经网络的学习算法中，提出了基于信赖域算法的前向型神经网络模型；（2）、对神经网络驱动的T-S型模糊系统，给出了更有效的实现方法和程序；（3）、通过采用网格式剖分技术初始化种群、建立最佳染色体库保存最佳个体、引入数值优化方法（即复合形法、可行方向法和信赖域法）提高局部搜索能力以及在遗传算子中引入竞争机制、改进选择方式和交叉技术等措施，对SGA作了全面改进，得到了三种新型混合遗传算法，即改进复合形遗传算法、可行方向遗传算法和信赖域遗传算法；（4）、通过在基本蚁群算法中引入启发式决策方法，提出了求解多阶段完全序贯决策问题和多阶段不完全序贯决策问题的启发式蚁群算法。 2、推导出了滑动面为任意形状、边坡体内外作用有各种荷载且满足力和力矩平衡条件下的边坡稳定性安全系数通用计算公式；提出了一类适合性更强、适应范围更广的条间力函数式；分别利用本文提出的启发式蚁群算法和新型混合遗传算法（改进复合形遗传算法和可行方向遗传算法）搜索边坡最危险滑动面，经算例考证，本文方法实用可靠；基于神经网络驱动的T-S型模糊系统，广泛收集国内外边坡实例80个，建立了一种评价边坡稳定性的模糊神经网络模型，结果表明其预测精度明显优于以往的评价方法。 3、建立了边坡可靠性分析的统一数学模型，其模型结构和极限状态方程不因边坡稳定性分析方法变化而变化；针对边坡可靠性分析中包含有两类不同性质（随机型和确定型）决策变量，提出了一类求解该问题的分步混合遗传算法，并成功地将其中的分步改进复合形遗传算法和分步可行方向遗传算法用于实例分析，获得满意的结果，同时揭示了基于最小中值安全系数下和最小可靠性指标下的临界滑动面的不同一性，并且边坡越复杂、计算参数变异性越大，这种偏差就越大，纠正了工程上的谬误；探讨了计算参数（c和）的统计特性对可靠度指标β的影响。 4、针对复杂土层中的土钉墙，提出了一种严格满足力和力矩平衡条件、滑动面为任意形状的内部稳定性分析通用条分法，并利用本文提出的新型混合遗传算法搜索临界滑动面，经实例考证，该法计算精度高、实用可靠；针对简单土层中的土钉墙，提出了一种内部稳定性分析的解析法，其计算结果可逼近较严格的通用条分法，但计算工作量却大大小子条分法；分别建立了十钉墙内、外部稳定可靠性分析分步优化数学模型，提出了可靠性指标计算的分步混合遗传算法，经算例考证，该法计算效率高于其它算法。 5、通过修正土压力分布模式，利用仿生算法（即新型复合遗传算法），建立了基于弹性地基梁有限元法的深基坑支护结构位移与安全性动态预报模型和计算方法，两个算例表明，该法比规范推荐的弹性地基梁法的预测精度要高：同时，建立了基于连续介质有限元法的深基坑支护结构位移与安全性动态仿生优化预报法，算例计算结果证明了该法比同类方法计算结果要好。
二、用于非光滑优化的信赖域算法的一个实施方案（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、用于非光滑优化的信赖域算法的一个实施方案（论文提纲范文）
（1）集群智能算法的改进与应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外相关工作研究进展与意义 |
| 1.2.1 集群智能算法的产生与发展 |
| 1.2.2 蚁群算法的研究现状及应用 |
| 1.2.3 粒子群算法的研究现状及应用 |
| 1.3 本文主要研究思路和内容 |
| 1.3.1 选题依据 |
| 1.3.2 研究目的与内容 |
| 2 蚁群算法及其改进与应用 |
| 2.1 蚁群算法 |
| 2.1.1 蚁群算法 |
| 2.1.2 蚁群算法的基本思路 |
| 2.1.3 蚁群算法的收敛性分析 |
| 2.2 改进的蚁群算法及其应用 |
| 2.2.1 蚁群算法的改进思路 |
| 2.2.2 蚁群算法及改进算法的算法测试 |
| 2.2.3 蚁群算法求解旅行售货商问题 |
| 2.3 蚁群算法的参数分析 |
| 2.3.1 信息素强度常数Q值的分析 |
| 2.3.2 蚂蚁群体数目m值的分析 |
| 2.3.3 α,β值的分析 |
| 2.3.4 信息素挥发因子ρ值的分析 |
| 2.4 本章小结 |
| 3 粒子群算法及其改进与应用 |
| 3.1 粒子群算法 |
| 3.1.1 粒子群算法的参数分析 |
| 3.1.2 粒子群算法的收敛性分析 |
| 3.1.3 粒子群算法的收敛性测试 |
| 3.2 改进的粒子群算法及其应用 |
| 3.2.1 粒子群算法的改进思路 |
| 3.2.2 改进的粒子群算法的算法流程 |
| 3.2.3 优化粒子群算法的参数分析 |
| 3.2.4 优化粒子群算法的收敛性分析 |
| 3.2.5 改进的粒子群算法的收敛性测试 |
| 3.3 优化的粒子群算法在水文地质参数计算中的应用 |
| 3.3.1 水文地质参数模型建立 |
| 3.3.2 改进算法求解问题参数 |
| 3.3.3 水文地质参数验证PSO算法准确性 |
| 3.3.4 优化粒子群算法的可靠性分析 |
| 3.3.5 含水层参数A(导水系数)敏感性分析 |
| 3.3.6 流量系数μ(蓄水系数)敏感性分析 |
| 3.4 本章小结 |
| 4 基于TSP问题的蚁群及粒子群混合算法 |
| 4.1 遗传算法 |
| 4.1.1 遗传算法的基本思想 |
| 4.1.2 遗传算法的主要算子 |
| 4.2 蚁群及粒子群混合算法 |
| 4.2.1 混合算法的提出 |
| 4.2.2 混合算法的运算策略 |
| 4.2.3 混合算法求解TSP问题 |
| 4.3 混合算法的参数分析 |
| 4.3.1 信息素强度常数Q值的分析 |
| 4.3.2 α,β值的分析 |
| 4.3.3 信息素挥发因子ρ值的分析 |
| 4.4 本章小结 |
| 5 基于物流配送中心选址问题的非线性规划算法及改进 |
| 5.1 多变量无约束优化问题 |
| 5.1.1 梯度法 |
| 5.1.2 牛顿法及改进 |
| 5.1.3 拟牛顿法及改进 |
| 5.2 物流配送中心选址问题 |
| 5.3 信赖域法 |
| 5.3.1 信赖域算法的基本思路 |
| 5.3.2 一种求解非光滑优化的信赖域算法 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（2）6R串联机器人布局优化和多目标轨迹规划技术及应用研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 串联机器人运动学分析研究现状 |
| 1.2.2 串联机器人布局优化研究现状 |
| 1.2.3 串联机器人最优轨迹规划研究现状 |
| 1.3 本文的研究内容及组织框架 |
| 1.4 本章小结 |
| 第2章 基于共形几何代数的串联机器人运动学分析 |
| 2.1 引言 |
| 2.2 共形几何代数的理论基础 |
| 2.2.1 共形几何代数的基本定义 |
| 2.2.2 共形几何代数的几何元素表示 |
| 2.2.3 共形几何代数的刚体运动表达 |
| 2.3 6R串联机器人的位姿表示与几何描述 |
| 2.3.1 6R串联机器人位姿表示与坐标变换 |
| 2.3.2 6R串联机器人结构模型的几何描述 |
| 2.4 基于共形几何代数的串联机器人运动学建模 |
| 2.4.1 6R串联机器人的正运动学建模 |
| 2.4.2 6R串联机器人的逆运动学建模 |
| 2.4.3 6R串联机器人的运动学模型验证 |
| 2.5 本章小结 |
| 第3章 基于布谷鸟搜索算法的串联机器人工作站布局优化 |
| 3.1 引言 |
| 3.2 6R串联机器人的可达工作空间分析 |
| 3.2.1 6R串联机器人的可达工作空间求解 |
| 3.2.2 6R串联机器人的可达工作空间仿真 |
| 3.3 6R串联机器人的灵活工作空间分析 |
| 3.3.1 6R串联机器人的灵活性评价指标 |
| 3.3.2 6R串联机器人的灵活工作空间求解 |
| 3.4 基于布谷鸟搜索算法的机器人工作站布局优化求解 |
| 3.4.1 6R串联机器人加工区域灵活度计算 |
| 3.4.2 布谷鸟搜索算法的原理与算法流程 |
| 3.4.3 基于布谷鸟搜索算法的最优布局求解 |
| 3.5 本章小结 |
| 第4章 基于改进NSGA-II算法的串联机器人多目标轨迹规划 |
| 4.1 引言 |
| 4.2 基于三次NURBS的6R串联机器人关节轨迹构造 |
| 4.2.1 三次NURBS曲线的表达式与性质 |
| 4.2.2 三次NURBS曲线的节点矢量计算 |
| 4.2.3 三次NURBS曲线的控制顶点计算 |
| 4.3 改进NSGA-II多目标优化算法的原理与算法流程 |
| 4.3.1 NSGA-II多目标优化算法的原理与流程 |
| 4.3.2 基于NDX和 DRM的 NSGA-II算法改进 |
| 4.4 基于改进NSGA-II算法的机器人多目标最优轨迹求解 |
| 4.4.1 6R串联机器人的运动学约束分析 |
| 4.4.2 基于改进NSGA-II的多目标优化求解 |
| 4.5 本章小结 |
| 第5章 车轮毂打磨工作站的布局优化和多目标轨迹规划 |
| 5.1 引言 |
| 5.2 车轮毂打磨工作站和仿真软件介绍 |
| 5.3 车轮毂打磨工作站的布局优化求解 |
| 5.4 车轮毂打磨机器人的多目标轨迹规划 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（3）非单调信赖域算法研究和应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 导论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究的意义 |
| 1.2 国内外关于该课题的研究现状及趋势 |
| 1.2.1 一些算法的研究现状 |
| 1.2.2 洛伦兹曲线的研究现状 |
| 1.2.3 稳健优化设计的发展 |
| 1.3 本文的研究方法和分析框架 |
| 1.3.1 本文的研究方法 |
| 1.3.2 本文的分析框架 |
| 1.4 本文的创新 |
| 第2章 相关的理论基础 |
| 2.1 非线性规划 |
| 2.2 洛伦兹曲线 |
| 2.3 响应面方法和多响应优化 |
| 第3章 非线性规划和非单调方法 |
| 3.1 非线性规划 |
| 3.1.1 基本情况 |
| 3.1.2 优化算法的迭代结构 |
| 3.1.3 收敛速度的判定 |
| 3.1.4 相关引理 |
| 3.2 非单调思想 |
| 3.3 一种改进的非单调信赖域算法 |
| 3.3.1 信赖域算法的基本框架和思想 |
| 3.3.2 改进的非单调信赖域算法 |
| 3.4 数值计算和分析 |
| 3.4.1 经典案例 |
| 3.4.2 计算结果与分析 |
| 第4章 无导数优化算法研究 |
| 4.1 无导数优化算法研究背景 |
| 4.2 无导数信赖域算法的发展 |
| 4.3 无导数信赖域算法的框架 |
| 4.3.1 插值集和相关性质 |
| 4.3.2 ∧-适定性和相关性质 |
| 4.4 改进的无导数信赖域算法NTRP |
| 4.5 NTRP算法的收敛性分析 |
| 第5章 一族洛伦兹曲线的构建和中等收入人口问题应用 |
| 5.1 洛伦兹曲线研究进展和思路 |
| 5.2 洛伦兹曲线的拟合模型研究 |
| 5.2.1 拟合模型研究的基础和进展 |
| 5.2.2 洛伦兹曲线的模型 |
| 5.2.3 统计数据和计算 |
| 5.3 中等收入人口问题的研究 |
| 5.3.1 研究背景和意义 |
| 5.3.2 基本知识 |
| 5.3.3 研究进展 |
| 5.3.4 相关的模型 |
| 5.3.5 统计分析和算法 |
| 第6章 多响应优化设计应用 |
| 6.1 质量控制的相关理论 |
| 6.1.1 质量控制的三个阶段 |
| 6.1.2 质量控制的重要性 |
| 6.1.3 质量控制的响应面方法 |
| 6.2 具体的MRO问题 |
| 6.3 MRO问题的模型和计算 |
| 6.3.1 MRO问题的模型 |
| 6.3.2 MRO问题的计算方法 |
| 6.3.3 MRO问题的计算结果 |
| 第7章 结论与展望 |
| 7.1 研究结论与启示 |
| 7.1.1 研究结论 |
| 7.1.2 研究启示 |
| 7.2 研究不足与展望 |
| 参考文献 |
| 读博期间的工作 |
| 致谢 |
（4）无约束优化问题的记忆梯度法的若干研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 无约束优化问题算法的介绍 |
| 第二章 关于无线性搜索记忆梯度法的一个修正 |
| §2.1 引言 |
| §2.2 算法及收敛性分析 |
| §2.3 数值检验 |
| §2.4 小结 |
| 第三章 无约束优化问题新的超记忆梯度算法 |
| §3.1 引言 |
| §3.2 超记忆梯度法 |
| §3.3 全局收敛性 |
| §3.4 数值检验 |
| §3.5 小结 |
| 第四章 无约束优化问题带记忆模型的信赖域梯度算法 |
| §4.1 引言 |
| §4.2 带记忆的信赖域算法及其收敛性 |
| §4.3 数值检验 |
| §4.4 小结 |
| 参考文献 |
| 附录1 |
| 附录2 |
| 附录3 |
| 在学期间发表的学术论文 |
| 后记 |
（5）钢铁企业集团资源优化管理系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 我国钢铁行业现状及集团化发展的挑战 |
| 1.1.2 企业集团对分布式企业资源优化管理的需求 |
| 1.2 课题的提出 |
| 1.3 相关研究概述 |
| 1.3.1 企业资源优化管理方法相关研究 |
| 1.3.2 企业信息化支撑技术相关研究 |
| 1.3.3 企业集团化管理的相关研究 |
| 1.4 论文主要工作与意义 |
| 1.4.1 论文研究思路及主要内容 |
| 1.4.2 论文研究意义 |
| 1.5 论文结构安排 |
| 1.6 本章小结 |
| 2 企业集团与集团化管理模式研究 |
| 2.1 引言 |
| 2.2 企业集团概述 |
| 2.2.1 企业集团的概念界定 |
| 2.2.2 企业集团的类别范畴 |
| 2.2.3 企业集团的特点、职能与组织结构 |
| 2.3 横向型制造企业集团管理模式研究 |
| 2.3.1 管理模式的内涵 |
| 2.3.2 制造企业集团协调管理机制分析 |
| 2.3.3 制造企业集团资源优化配置分析 |
| 2.4 钢铁企业集团化管理模式研究 |
| 2.4.1 钢铁企业特点分析 |
| 2.4.2 集团化钢铁企业组织结构优化 |
| 2.4.3 集团化钢铁企业业务流程优化 |
| 2.4.4 钢铁企业集团化管理模式的核心理念 |
| 2.4.5 集团化钢铁企业资源优化方法及信息化关键问题分析 |
| 2.5 本章小结 |
| 3 钢铁企业集团递阶排产计划模型研究 |
| 3.1 集团统一排产问题 |
| 3.1.1 集团统一排产问题描述 |
| 3.1.2 递阶排产问题分析 |
| 3.1.3 模型相似度映射与抽象 |
| 3.2 两层规划的理论及数学模型 |
| 3.2.1 两层规划的概念 |
| 3.2.2 两层的基本模型及延伸 |
| 3.3 集团递阶排产计划模型 |
| 3.3.1 参数定义 |
| 3.3.2 模型建立 |
| 3.4 模型分析与求解 |
| 3.4.1 两层规划模型求解 |
| 3.4.2 基于遗传搜索算法排产模型求解 |
| 3.4.3 模型求解算法流程 |
| 3.5 应用实例 |
| 3.6 本章小结 |
| 4 钢铁企业集团协同发运模型研究 |
| 4.1 协同发运问题描述 |
| 4.2 协同发运数学模型 |
| 4.2.1 模型参数定义 |
| 4.2.2 订单运输费用及运输时间分析 |
| 4.2.3 订单拖期及库存惩罚分析 |
| 4.2.4 计算准发优先权 |
| 4.2.5 建立协同发运多目标优化模型 |
| 4.3 协同发运模型求解 |
| 4.3.1 多目标优化的基本理论 |
| 4.3.2 多目标0-1规划模型的求解算法 |
| 4.3.3 算法步骤 |
| 4.4 应用实例 |
| 4.5 本章小结 |
| 5 钢铁企业集团决策分析模型研究 |
| 5.1 钢铁企业集团决策分析的需求 |
| 5.1.1 科学决策的需要 |
| 5.1.2 支撑系统发展的需要 |
| 5.1.3 钢铁企业集团生产运营过程中数据的特征 |
| 5.2 基于数据仓库的OLAP与数据挖掘的概念与技术 |
| 5.2.1 数据仓库与数据集市 |
| 5.2.2 联机数据分析 |
| 5.2.3 数据挖掘相关 |
| 5.3 企业集团数据仓库构建与应用 |
| 5.3.1 企业集团数据仓库的主题分析 |
| 5.3.2 企业集团数据仓库元数据模型的定义与设计 |
| 5.3.3 企业集团数据仓库概念模型设计 |
| 5.3.4 企业集团数据仓库逻辑模型设计 |
| 5.3.5 企业集团数据仓库物理模型设计 |
| 5.3.6 企业集团数据仓库的生成 |
| 5.4 钢铁企业集团OLAP的多维数据分析 |
| 5.4.1 多维数据模型的数学表达 |
| 5.4.2 OLAP的分析过程 |
| 5.4.3 OLAP数据分析在钢铁企业集团的应用 |
| 5.5 基于数据挖掘的钢铁企业成品基价预测模型研究 |
| 5.5.1 价格决策问题的引入 |
| 5.5.2 钢铁成品基价策略机制 |
| 5.5.3 建造数据集市 |
| 5.5.4 基于神经网络的数据挖掘分类算法 |
| 5.5.5 应用实例 |
| 5.6 本章小结 |
| 6 钢铁企业集团资源优化管理支撑信息平台总体解决方案研究 |
| 6.1 引言 |
| 6.2 G-ERP理念的提出 |
| 6.3 集团化CIMS集成架构 |
| 6.4 集团化CIMS整体架构应用研究 |
| 6.4.1 支撑体系 |
| 6.4.2 计算体系 |
| 6.4.3 应用集成 |
| 6.5 广义信息系统应用集成研究 |
| 6.5.1 广义信息系统的内涵及关系 |
| 6.5.2 综合集成策略 |
| 6.5.3 综合应用方案 |
| 6.6 关键技术 |
| 6.6.1 构建开放体系架构的集团化信息平台 |
| 6.6.2 集团化信息系统总体集成技术 |
| 6.6.3 服务器集群与负载均衡技术 |
| 6.6.4 高可靠性和安全性实现技术 |
| 6.6.5 其他主要应用技术 |
| 6.7 本章小结 |
| 7 钢铁企业集团应用系统的分析、建模、设计与系统实现 |
| 7.1 应用企业背景 |
| 7.2 资源优化管理相关业务系统域定义 |
| 7.2.1 集团层资源优化管理业务域 |
| 7.2.2 股份层资源优化管理业务域 |
| 7.3 资源优化管理系统需求分析 |
| 7.3.1 资源优化管理业务分析 |
| 7.3.2 资源优化管理系统需求分析 |
| 7.4 资源优化管理系统建模分析 |
| 7.4.1 功能建模 |
| 7.4.2 信息建模 |
| 7.4.3 过程建模 |
| 7.5 资源优化管理系统总体设计 |
| 7.5.1 功能总体设计 |
| 7.5.2 处理流程设计 |
| 7.5.3 功能模块IPO设计 |
| 7.5.4 数据结构设计 |
| 7.5.5 信息编码设计 |
| 7.6 资源优化管理系统技术架构 |
| 7.6.1 软件技术架构 |
| 7.6.2 软件设计模式 |
| 7.7 资源优化管理系统应用原型 |
| 7.7.1 集团决策层系统模块 |
| 7.7.2 股份运营层系统模块 |
| 7.7.3 生产执行层系统模块 |
| 7.8 应用效果 |
| 7.9 本章小节 |
| 结论 |
| 创新点摘要 |
| 参考文献 |
| 英文缩略语 |
| 攻读博士学位期间参与的研究项目及发表的论文 |
| 致谢 |
（6）面向产品族协同优化设计的模糊层次优化模型与方法研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文的研究意义 |
| 1.1.1 大规模定制的时代背景 |
| 1.1.2 从中国制造到中国设计的时代使命 |
| 1.1.3 国内产品设计方法学的深化 |
| 1.1.4 推进模糊层次优化在产品设计中的应用 |
| 1.2 研究目标与方法 |
| 1.2.1 研究目标 |
| 1.2.2 研究方法 |
| 1.3 研究内容与创新点 |
| 1.3.1 本文研究内容与框架结构 |
| 1.3.2 本文的主要创新点 |
| 第二章 理论基础与系统架构 |
| 2.1 大规模定制与产品族设计方法 |
| 2.1.1 大规模定制研究 |
| 2.1.2 产品族设计方法 |
| 2.2 双层优化理论 |
| 2.2.1 国内外研究现状 |
| 2.2.2 双层规划的解法 |
| 2.2.3 双层规划与应用 |
| 2.3 模糊优化理论 |
| 2.3.1 模糊优化方法的发展概况 |
| 2.3.2 模糊规划的一般方法 |
| 2.4 系统分析与架构 |
| 2.4.1 产品族协同优化设计系统概述 |
| 2.4.2 产品族协同优化设计系统目标、输入输出与环境 |
| 2.4.3 产品族协同优化设计系统结构 |
| 2.4.4 产品族协同优化设计系统概念模型 |
| 第三章 产品族协同优化设计的模糊层次优化模型建立 |
| 3.1 产品族体系架构 |
| 3.1.1 客户需求与市场竞争分析 |
| 3.1.2 企业资源与产品开发策略 |
| 3.2 产品族功能指标与设计变量的确定 |
| 3.2.1 关键功能指标确定 |
| 3.2.2 基于（QFD）的技术分析框架 |
| 3.2.3 柔性与模糊性设计变量的确定 |
| 3.3 产品设计的优化结构 |
| 3.3.1 主优化问题与子优化问题的关联分析 |
| 3.3.2 优化模型类型的选择 |
| 3.3.3 关联矩阵技术和解释结构模型（ISM）技术 |
| 3.4 产品族协同优化数学模型的建立 |
| 3.4.1 关键—从属层次优化模型 |
| 3.4.2 全局—局部层次优化模型 |
| 3.4.3 各层次主从优化目标确定及约束条件确定 |
| 第四章 模糊层次优化模型的解析型算法 |
| 4.1 具有模糊目标和模糊约束的层次优化模型解法 |
| 4.1.1 具有模糊约束的层次优化模型解法 |
| 4.1.2 具有模糊约束/模糊目标的层次优化模型解法 |
| 4.2 具有模糊系数的层次优化模型解法 |
| 4.2.1 约束具有模糊系数的层次优化模型解法 |
| 4.2.2 目标具有模糊系数的层次优化模型解法 |
| 4.2.3 约束和目标均具有模糊系数的层次优化模型解法 |
| 4.3 产品族设计应用算例 |
| 4.3.1 产品族参数设计的模糊双层优化模型 |
| 4.3.2 模型的求解方法 |
| 4.3.3 数值算例 |
| 第五章 模糊层次优化模型的智能型算法 |
| 5.1 基于遗传算法的模糊层次优化模型解法 |
| 5.1.1 算法的流程 |
| 5.1.2 一类模糊层次优化模型的算法设计 |
| 5.1.3 数值算例 |
| 5.2 基于粒子群算法的的模糊层次优化模型解法 |
| 5.2.1 算法的流程 |
| 5.2.2 算例 |
| 第六章 应用研究 |
| 6.1 摩托车制动器产品族模糊协同优化设计 |
| 6.1.1 产品族协同优化设计参数的选择 |
| 6.1.2 产品族协同优化设计的约束系统 |
| 6.1.3 产品族协同优化设计的目标系统 |
| 6.1.4 产品族协同优化设计模型 |
| 6.2 通用电机产品族模糊协同优化设计 |
| 6.2.1 产品成本分析 |
| 6.2.2 基于成本动因的模糊层次优化模型 |
| 结束语 |
| 1 全文内容总结 |
| 2 研究展望 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
（8）仿生算法及其在边坡和基坑工程中的应用（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 基坑支护体系的功能、型式及适用范围 |
| 1.2 基坑支护工程设计内容与计算方法 |
| 1.2.1 基坑支护结构内力和变形计算方法 |
| 1.2.2 基坑稳定性分析与计算方法 |
| 1.3 基坑支护设计与施工中存在的问题 |
| 1.3.1 基坑支护结构分析与设计存在的问题 |
| 1.3.2 施工监测与管理存在的问题 |
| 1.4 课题来源及本文的主要研究内容 |
| 2 仿生算法理论基础及其改进 |
| 2.1 概述 |
| 2.2 人工神经网络算法 |
| 2.2.1 人工神经元结构模型 |
| 2.2.2 BP神经网络模型 |
| 2.2.3 基于信赖域算法的前向网络模型 |
| 2.2.4 T-S型模糊神经网络模型 |
| 2.3 新型混合遗传算法 |
| 2.3.1 简单遗传算法 |
| 2.3.2 新型混合遗传算法 |
| 2.3.3 改进复合形遗传算法 |
| 2.3.4 可行方向遗传算法 |
| 2.3.5 信赖域遗传算法 |
| 2.4 蚁群算法 |
| 2.4.1 蚁群算法的生物学原理 |
| 2.4.2 基本蚁群算法 |
| 2.4.3 多阶段序贯决策问题启发式蚁群算法 |
| 2.5 本章小结 |
| 3 边坡稳定性分析与评价仿生算法 |
| 3.1 概述 |
| 3.2 边坡稳定性分析通用条分法 |
| 3.2.1 通用条分法公式推导 |
| 3.2.2 条间力函数的确定 |
| 3.2.3 边坡体离散格式及滑动面生成 |
| 3.3 边坡稳定性分析蚁群算法 |
| 3.3.1 问题的提出 |
| 3.3.2 边坡危险滑动面搜索蚁群算法 |
| 3.3.3 算例及讨论 |
| 3.4 边坡稳定性分析混合遗传算法 |
| 3.4.1 边坡体离散格式及最危险滑动面搜索 |
| 3.4.2 算例与讨论 |
| 3.5 边坡稳定性评价T-S型模糊神经网络模型 |
| 3.5.1 概述 |
| 3.5.2 评价指标选取 |
| 3.5.3 样本数据采集 |
| 3.5.4 边坡稳定性评价T-S型模糊神经网络模型的建立 |
| 3.5.5 模型的评价 |
| 3.6 本章小结 |
| 4 边坡可靠性分析分步混合遗传算法 |
| 4.1 概述 |
| 4.2 边坡可靠性分析统一数学模型 |
| 4.2.1 随机变量的确定 |
| 4.2.2 极限状态方程的建立 |
| 4.2.3 边坡可靠性分析统一数学模型 |
| 4.3 边坡可靠性指标计算分步混合遗传算法 |
| 4.3.1 一次性搜索算法与分步搜索算法 |
| 4.3.2 边坡可靠性指标计算分步混合遗传算法 |
| 4.3.3 非正态、相关或截尾随机变量的处理 |
| 4.4 边坡可靠性分析分步混合遗传算法实现 |
| 4.4.1 分析计算模型 |
| 4.4.2 算例 |
| 4.5 边坡可靠性分析若干问题讨论 |
| 4.5.1 岩土参数的统计特性 |
| 4.5.2 可靠性指标设计值的确定 |
| 4.5.3 岩土参数统计特性对可靠性指标β的影响 |
| 4.5.4 基于可靠性指标和基于中值安全系数临界滑动面比较 |
| 4.6 本章小结 |
| 5 土钉支护结构分析与设计仿生算法 |
| 5.1 概述 |
| 5.2 土钉支护结构设计计算方法 |
| 5.2.1 土钉支护结构设计流程 |
| 5.2.2 土钉墙稳定性验算 |
| 5.3 土钉支护结构内部稳定性分析通用条分法 |
| 5.3.1 通用条分法安全系数计算式的推导 |
| 5.3.2 通用条分法安全系数的计算方法 |
| 5.3.3 计算实例 |
| 5.4 土钉支护结构内部稳定性分析解析法 |
| 5.4.1 基本假定及受力分析 |
| 5.4.2 稳定性安全系数计算公式 |
| 5.4.3 算例与讨论 |
| 5.5 土钉支护结构可靠性分析分步混合遗传算法 |
| 5.5.1 土钉支护结构内部稳定可靠性分析 |
| 5.5.2 土钉支护结构外部稳定可靠性分析 |
| 5.6 本章小结 |
| 6 基坑支护结构位移与安全性动态仿生优化预报法 |
| 6.1 概述 |
| 6.2 深基坑支护结构位移动态仿生优化预报法基本原理 |
| 6.3 基于弹性地基梁有限元法基坑支护位移动态仿生优化预报法 |
| 6.3.1 基坑支护结构分析弹性地基梁有限元法的基本原理 |
| 6.3.2 土压力分布与地基土基床系数 |
| 6.3.3 基坑支护结构分析弹性地基梁有限元法的计算方法 |
| 6.3.4 算例 |
| 6.4 基于连续介质有限元法基坑支护位移动态仿生优化预报法 |
| 6.4.1 概述 |
| 6.4.2 土体本构模型的选定 |
| 6.4.3 基坑开挖有限元分析的数值实现 |
| 6.4.4 支护结构位移动态仿生优化预报 |
| 7 结论与建议 |
| 7.1 结论 |
| 7.2 建议 |
| 参考文献 |
| 攻读博士学位期间论文及科研情况 |
| 致谢 |
四、用于非光滑优化的信赖域算法的一个实施方案（论文参考文献）
- [1]集群智能算法的改进与应用研究[D]. 付巍巍. 大连理工大学, 2021
- [2]6R串联机器人布局优化和多目标轨迹规划技术及应用研究[D]. 景琛宁. 浙江大学, 2020(06)
- [3]非单调信赖域算法研究和应用[D]. 张立. 南京师范大学, 2019(02)
- [4]无约束优化问题的记忆梯度法的若干研究[D]. 林海婵. 海南大学, 2010(02)
- [5]钢铁企业集团资源优化管理系统研究[D]. 孙永利. 大连理工大学, 2007(02)
- [6]面向产品族协同优化设计的模糊层次优化模型与方法研究[D]. 李喆. 天津大学, 2007(05)
- [7]用于非光滑优化的信赖域算法的一个实施方案[J]. 欧宜贵,李志林. 运筹与管理, 2003(06)
- [8]仿生算法及其在边坡和基坑工程中的应用[D]. 陈昌富. 湖南大学, 2001(01)