文摘
英文文摘
声明
致谢
1 绪论
1.1进化计算概述
1.2进化计算的主要分支
1.3遗传规划的概述
1.3.1 遗传规划与遗传算法的区别
1.3.2 复传规划的发展
1.3.3遗传规划的基本技术
1.3.4 遗传规划的特征
1.3.5遗传规划的应用领域
1.3.6遗传规划的研究现状和问题
1.4软测量技术基本原理
1.5发酵过程的软测量建模技术
1.5.1 基于机理分析的软测量
1.5.2基于数据驱动的建模方法
1.5.3混合建模
1.6遗传规划及其在化工过程的软测量建模中的应用
1.6.1 遗传规划在系统建模中的应用
1.6.2遗传规划在软测量建模中的发展
1.6.3遗传规划在软测量建模中的优势及其存在的缺点
1.7全文的主要内容和结构
2 基于免疫原理的差分进化
2.1引言
2.2基于免疫原理的差分进化
2.2.1基本差分进化
2.2.2差分进化算法的其它形式
2.2.3基于疫苗接种思想的进化算法的研究现状
2.2.4疫苗自动获取与更新的免疫差分进化(IDE)
2.3差分进化的收敛性分析及改进
2.3.1 差分进化的收敛情况
2.3.2提高DE全局收敛能力的方法
2.3.3 改进DE的收敛性能
2.4实验与分析
2.4.1 测试函数
2.4.2实验一、验证疫苗接种方法的有效性
2.4.3实验二、突变操作能改进收敛性能
2.4.4结果与分析
2.5结论
3 基于免疫原理的遗传规划
3.1均匀交叉算子
3.2影响均匀交叉的计算效率的因素
3.3疫苗的形式及其自动获取方法
3.4疫苗接种方法
3.5实验与分析
3.5.1测试数据
3.5.2结果与分析
3.6结论
4 基于偏好的多目标非支配排序的遗传规划
4.1引言
4.2插值的函数保护方法
4.2.1 关于函数保护措施的研究现状
4.2.2基于插值的函数保护方法
4.2.3实验与分析
4.3基于偏好的非支配排序多目标遗传规划
4.3.1 问题分析及研究现状
4.3.2 多目标优化问题的一些基本概念
4.3.3 多目标遗传规划中的目标函数的设计
4.3.4函数的光滑度的评价准则
4.3.5基于偏好的非支配排序遗传规划的主要步骤
4.3.6实验与分析
4.4结论
5 抗差的遗传规划
5.1 引言
5.2基础知识
5.2.1 软测量中的数据校正
5.2.2 M估计基本原理
5.2.3多子种群遗传规划
5.3抗差的遗传规划
5.3.1基于M估计的适应值函数
5.3.2 损失函数参数的选择
5.3.3含显著误差训练数据的进一步修正方法
5.3.4移民算子
5.3.5进化策略
5.3.6终止准则
5.3.7算法描述
5.4仿真实验
5.4.1 测试数据及实验参数选取
5.4.2试验结果与分析
5.5结论
6 GP在软测量建模中的应用
6.1 引言
6.2生物发酵过程参数概述
6.3基于GP和机理模型的混合软测量建模
6.3.1 终结点集的确定
6.3.2函数结点集确定
6.3.3初始种群的建立
6.3.4 GP相关参数设置
6.3.5采用GP建立基础模型
6.4 GP和PLS混合软测量模型
6.4.1偏最小二乘算法
6.4.2加权限定记忆时段PLS算法
6.4.3数据仿真
6.5结论
7 总结与展望
参考文献
附作者攻博期间发表、录用的论文及参加项目