一、基于规则控制的ITS集成设计（论文文献综述）
宋容嘉[1]（2021）在《集成决策的情境感知业务流程一体化建模方法研究》文中研究表明随着泛在网络与普适计算的快速发展,企业数字化发展进入大数据时代,物联网+数据分析成为了企业在数字时代大幅提高生产效率、降低作业风险、增加客户满意度、提升智能化水平的重要信息技术架构,且逐步成熟应用。业务流程作为企业真正实现目标定位、价值创造的核心,需要与信息技术发展共同进化、相辅相成。而且,业务流程的情境可在物联网环境中得到有效捕捉和采集,可极大丰富其数据维度和体量,同时情境隐含着业务环境和流程行为的中介信息。情境感知能力随之成为业务流程建模的新范式和新原则,以面向动态场景实现快速灵活响应、针对多样的客户需求提供个性化服务、面对知识密集型任务保障正确执行。虽然,情境感知业务流程建模领域已获得学术界和业界的关注和探索,流程变体、流程情境化等部分零散化解决方案被提出,但仍大幅依赖专家知识,完整性和系统性存在不足。考虑到流程改造的庞大成本和时间周期,业务流程趋向于规范化和稳定性。但是,在多元动态市场对灵活性、机敏性的更高要求下,业务流程管理（Business Process Management,BPM）领域自2013年起呈现出将决策维度抽离业务流程的工作流单独建模的研究趋势。即通过将业务规则表达和数据分析能力封装在决策模型中,将流程智能化和动态性抽离至其决策模型维度,形成决策模型与业务流程模型分别构建又有机结合的一体化模型。其中,决策建模标记法（Decision Modelling Notation,DMN）的提出是里程碑式的研究成果,为业务流程的决策和工作流提供了可分离并可集成的建模方法和技术,开创了集成决策的业务流程一体化建模新范式（BPMN/CMMN+DMN）。然而,着眼于情境感知的业务流程建模研究,决策维度仍然以传统的建模方式隐含嵌入在业务流程的工作流中,硬编码大量数据、业务规则并引入大量网关,不利于其对动态场景的灵活响应与适应性调整。基于以上发展趋势、应用需求以及研究不足,本研究的科学问题可以归结为:“面向情境感知业务流程建模,如何识别并集成业务流程的情境以应对动态性?面向物联网+数据分析信息技术发展与应用,如何连接企业物联网基础设施与情境感知业务流程以实现共同进化?”。由此,本研究将集成决策的业务流程一体化建模范式引入情境感知业务流程建模领域,从理论和应用两方面显示化决策在业务流程获取情境感知进程中的重要角色;提出Deci-CaBPM（Decision-based Context-aware Business Process Modelling）情境感知业务流程建模框架方法,为系统性实现情境适应性节点识别,适应性调整流程片段设计,并进化构建具有情境感知可变性的业务流程模型提供方法论;搭建物联网环境下的情境感知业务流程多层应用架构,融合物联网的情境数据在层级间的流动和转化,将物联网基础设施、流程情境、动态数据分析、智能决策与情境感知的业务流程有机连接起来,为企业业务流程与物联网、机器学习等信息技术融合发展、共同进化提供解决方案。此外,应用Deci-CaBPM框架方法与物联网环境下的情境感知业务流程多层应用架构,实现了港口物流企业汽车提货流程与物联网基础设施改造的共同进化,构建了情境感知的汽车提货流程模型,并集成了汽车提货货物偷盗贝叶斯网络预测模型,实现物联网环境下的作业风险智能化管理。基于行业需求驱动、真实数据支持的案例研究,对本文提出的方法论和解决方案进行了可用性验证和有效性评估,同时为更多企业业务流程面向情境感知可变性建模、与物联网技术应用共同进化提供有效参考、借鉴。本文主要研究内容与成果如下:（1）提出业务流程的情境、情境感知的业务流程可应用的标准化定义,补充集成决策的业务流程结构的理论表达,并面向情境感知可变性进行推演,分析检验决策在业务流程与其情境之间的内生连接作用。（2）分析战略、战术/管理、运营决策对情境感知业务流程的驱动机制,构建决策在业务流程获取情境感知可变性中的关键角色分析模型。（3）将集成决策的业务流程一体化建模范式引入情境感知业务流程领域,提出Deci-CaBPM集成决策的情境感知业务流程一体化建模框架方法,包括显式化融合情境的CaDMN（Context-aware DMN）决策建模扩展标准及其应用步骤,支持系统性实现业务流程情境化和适应性调整建模全环节。（4）搭建物联网环境下的情境感知业务流程多层应用架构,支持Deci-CaBPM框架方法的行业应用,并以融合物联网的情境数据在层级间的流转连接多个层级,包括物联网基础设施、业务流程情境、动态数据分析、CaDMN决策模型和情境感知业务流程五个层级,为企业级的应用提供解决方案。（5）在港口物流行业中,通过应用Deci-CaBPM框架方法与物联网环境下的情境感知业务流程多层应用架构,帮助企业完成了汽车提货流程面向情境感知可变性的进化建模,同时集成了汽车提货货物偷盗贝叶斯预测模型实现物联网环境下的作业风险进阶管理,使得汽车提货流程与逐渐成熟应用的智能门闸、远程地磅等物联网基础设施实现了共同进化。同时,基于技术和业务两方面沟通的企业管理分析,对方法论进行了可用性验证和有效性评估,为更多企业应用提供有效参鉴。图51幅,表14个,参考文献183篇。
沈忱[2]（2021）在《叉车用燃料电池混合动力系统集成及能量管理策略研究》文中认为随着环境问题的日益显着以及我国“碳中和”时间节点目标的确立,无污染零排放的氢能近几年受到了越来越多的关注,燃料电池作为将氢能转化成电能的设备,近几年在乘用车、公交车、物流车等领域重已得到了批量应用;在叉车应用中,燃料电池无排放、免维护、能源快速加注等特点很好的契合了叉车的应用场景。本文以一台实际的电动叉车为目标,首先通过原车铅酸电池制定实际测试路线进行实际测试得到该电动叉车的主要电气参数,然后依据电气参数进行燃料电池混合动力系统结构的匹配;之后对燃料电池混合动力系统内部的主要零部件:燃料电池、二次电池、DC/DC等进行选型和匹配;再基于MATLAB/Simulink平台搭建主要零部件的仿真模型并根据实际测试数据搭建仿真工况模块验证了燃料电池混合动力系统主要零部件所匹配的参数。本文还对燃料电池混合动力系统的能量管理策略进行了研究,首先分析了两种工程中常用的能量管理策略的原理和实现过程,并在仿真平台上制定统一测试条件分别进行了仿真测试,依据仿真测试的结果对比分析了这两种能量管理策略的优缺点。基于这两种能量管理策略的优缺点,设计了一种基于专家系统的能量管理策略,并在同样的仿真条件下进行仿真测试,仿真结果表明本文设计的能量管理策略集合了工程上常用的两种能量管理策略的优点:维持燃料电池输出功率的同时还可以减小磷酸铁锂电池组SOC的波动区间。为了验证所设计的能量管理策略的有效性和优势,本文规划了实测场地和测试方法,首先根据已通过仿真验证的主要零部件参数集成一套实际的叉车用燃料电池混合动力系统,并制定实际测试工况验证该系统的性能;之后对三种能量管理策略进行了实际对比测试,实际测试结果与仿真结果一致。最后,本文还根据等效氢气消耗量公式对实测结果做了燃料经济性的对比,计算结果表明本文设计的能量管理策略等效耗氢量为:0.07027kg,工程上常用的两种能量管理策略等效耗氢分别为:0.07651kg和0.07579kg,计算结果表明本文设计的能量管理策略可以有效的降低氢气消耗,提升燃料经济性。
沈焱萍[3]（2021）在《基于群智能算法优化的入侵检测模型研究》文中认为网络入侵检测系统通过收集网络流量等信息对网络中的非法行为进行检测。作为网络攻击的积极主动检测手段,入侵检测一直是网络安全领域的重要研究内容。随着网络技术高速发展,网络攻击手段的复杂化,基于大规模网络流量准确识别网络攻击,降低系统误报一直是网络入侵检测系统的研究目标。传统的基于特征的检测方法需要大量领域先验知识,只能对已知攻击进行检测。机器学习方法可以从数据中自动寻找规律模式,逐渐应用于入侵检测之中。然而建立机器学习入侵检测模型面临各种问题,如对于某些模型的构建,个别参数的选取直接影响模型的准确率和泛化能力;特征优化是构建机器学习模型的重要步骤,合适的特征集合既能节约系统资源又能准确表示原始数据;集成学习是机器学习领域的重要研究内容,如何选取合适的基学习器,如何将基学习器有效地组合起来是集成学习面临的重要问题。本文采用群智能方法对机器学习模型进行优化,主要研究基于特征选择、参数优化、集成剪枝及多核学习等技术的入侵检测方案,具体如下:（1）针对特征选择和核极限学习机参数选取问题,提出一种基于粒子群优化算法的核极限学习机入侵检测模型。由于核极限学习机方法具有速度快,泛化性能好的特点,首先采用核极限学习机作为检测引擎,但核极限学习机算法的性能严格依赖于惩罚系数和核参数的选取。然后,选择粒子群优化算法参与核极限学习机的训练进行参数优化,同时采用二进制粒子群优化算法进行特征选择。其中,选用高斯函数作为核极限学习机的核函数。实验结果表明,与网格搜索方法和遗传算法相比,粒子群优化算法对核极限学习机的参数优化效率更高。同时,结果还表明选用约原有特征数目1/4的特征子集有着和原数据集相当甚至更好的检测结果。（2）针对集成框架子分类器选取问题,提出一种基于蝙蝠算法的集成剪枝入侵检测模型。首先,针对大数据时代数据量大,维数高的特点,采用基于随机子空间的投票极限学习机作为入侵检测分类器。投票极限学习机是基于极限学习机的投票集成算法,其性能取决于子分类器的个数,但子分类器的个数并不是越多越好。然后,采用蝙蝠算法选择合适的子分类器进行集成,对于蝙蝠算法的适应函数,采用准确率和子分类器差异度相结合的方式进行定义。基于随机子空间的集成方法不仅可以降低数据维度,还可以增加子分类器间的差异度。实验结果表明,基于随机子空间的投票极限学习机和单个极限学习机相比,算法的精度和鲁棒性得到了提高。研究结果还表明,基于蝙蝠算法的集成剪枝方案和应用所有子分类器相比,不仅可以实现类似或更好的性能,还节省了大量计算资源。（3）针对单个预定义核函数不能较好的表示异构信息问题,提出一种基于超启发算法的多核极限学习机入侵检测模型。首先,采用ReliefF进行特征选择,选用核极限学习机作为入侵检测算法。针对核极限学习机的核函数选取问题,采用高斯核的线性组合方式组成多核函数。寻找最优复合核函数即确定高斯核参数和核权重的过程,采用超启发算法对最优复合核函数进行寻优,包括粒子群优化算法,遗传算法,灰狼优化算法,蝙蝠算法和差分进化算法。超启发算法的适应函数通过独立于检测算法的核目标度量定义。实验结果表明,最优复合核函数可以通过上述提到的任一超启发算法确定。由于将基于过滤的特征选择方法与独立于分类器的多核学习方法相结合,与依赖于分类器的多核优化模型相比,所提模型在节省大量计算开销的同时,具有可比拟的检测性能。综上所述,本文研究的重点是根据现有机器学习模型面临的问题,提出基于群智能方法的入侵检测模型优化方案。实验结果表明,本文提出的入侵检测模型方案能够有效地提高检测性能,具有现实意义。
凤伟[4]（2021）在《不确定性条件下流程企业生产调度和鲁棒优化研究》文中研究说明在流程工业中,生产调度作为上承企业长周期生产计划、下启底层实时过程控制的重要决策活动,经过近半个世纪的发展,已经取得了一系列重大的成果。然而,流程企业的生产和经营活动中广泛存在的不确定性为它的理论研究和工业实践带来了诸多挑战,因此如何在不确定性条件下优化调度方案,以使得企业能安稳长满优地运行便成为了一个重要的研究课题。为此,本文针对传统鲁棒调度方法在应用实践中所暴露出来的一些痛点和瓶颈问题,以可调鲁棒优化理论为研究主线,在对不确定性过程调度问题和鲁棒优化基础理论进行系统性综述的基础上,分别就帕累托最优有限适应性鲁棒调度方法、内生不确定性下的鲁棒优化问题、混合整数决策规则、分布鲁棒调度优化方法、主动学习与内生不确定性间的联系等方面进行了深入研究。本文的主要内容和创新点如下所述:1.针对考虑能耗和清焦不确定性的乙烯厂全厂生产调度问题,提出了一种新的基于有限适应性的可调鲁棒优化方法。为有效处理裂解炉能耗不确定性参数的时变性以及清焦敏感性,建立了基于不确定性集合树的帕累托最优有限适应性模型,使所求得的调度方案能同时具备帕累托最优性和鲁棒最优性。基于实际工业数据的仿真案例表明,该方法能在不影响鲁棒性的前提下,实现调度方案根据所观察到的清焦决策信号而进行相应调整,并能显着提高燃料采购的成本效益。2.针对过程调度问题中广泛存在的内生不确定性,提出了一种多阶段鲁棒混合整数优化方法,其不仅能同时实现连续和0-1补偿,还能对受（补偿）决策影响的不确定性集合进行有效建模。所提出的基于跃升不确定性的混合整数决策规则,包含用于连续补偿的不连续分段线性决策规则,能有效实现补偿决策和内生不确定性集合的有机结合,并由此可推得该问题的一个易于求解的鲁棒对等模型重构形式。包括一个考虑产能内生不确定性的生产调度问题在内的仿真案例表明,该方法不仅能有效处理内生不确定性,还能大大增强调度方案的灵活性。3.受乙烯裂解炉结焦不确定性和相应清焦决策的启发,针对考虑设备损耗不确定性的生产维护集成调度问题,提出了一种多阶段分布鲁棒优化方法。采用数据驱动的Wasserstein模糊集合来描述损耗不确定性参数未知的概率分布,并由此建立了相应的多阶段分布鲁棒集成调度优化模型,其在允许混合整数补偿的同时,能优化调度方案的最坏期望成本。通过开展一个基于工业数据的裂解炉群仿真案例在内的一系列实验,验证了该方法的有效性和实用性,且具有较好的样本外性能。4.进一步细化了内生不确定性的分类,以区分受决策影响的物化和观测,并由此指出了主动学习与考虑内生不确定性的可调鲁棒优化问题之间的联系。借助于一组辅助不确定性参数,实现了对取决于补偿决策的不可预见性的有效建模,并由此建立了一个能处理所有类型内生不确定性的多阶段可调鲁棒优化的统一框架。通过一个基于检视的生产维护集成调度问题和一个集成主动参数估计的生产调度问题在内的一系列计算案例,充分验证了该框架的有效性和通用性。最后在总结全文的基础上,对复杂可调鲁棒优化问题高效求解算法、在线鲁棒调度优化方法、结合主动学习概念的生产调度和控制问题等方面,提出了未来值得进一步研究和探索的方向。
程亚军[5]（2021）在《CT对比剂智能注射系统研究与开发》文中提出高端装备是国民经济和国防建设的重要支撑,医疗高端装备是其重要的组成部分,面对经济全球化带来的动态多变的市场环境,CT设备作为医疗高端装备的典型产品,需突破技术装备瓶颈,不断提升国产化水平和产品竞争力。有数据和研究显示,CT设备包含的高压注射器和配套软件多被国外品牌占据,现有系统存在操作繁琐、临床案例数据丢失、患者副反应发生概率较大、扫描影像结果不佳等问题,不能很好的满足临床需求,甚至严重影响跨医院、跨区域的医疗检查结果互认,造成医疗资源的浪费。因此迫切需要对包含高压注射器和配套软件的CT对比剂注射系统展开研究,以实现对比剂注射方案的同质化和最优化。本文的目标是研究对比剂注射方案及参数智能推荐、注射过程精准控制、全过程数据集成存储等关键技术,并对高压注射器设备进行设计,在此基础上,开发CT对比剂智能注射系统,更好的辅助医护人员完成对比剂注射过程。具体研究内容如下:⑴分析了CT对比剂注射的背景,提出了本文的研究意义。从CT对比剂注射系统、智能推荐和嵌入式控制技术等方面重点分析了CT对比剂注射领域的研究现状,阐述了现有研究存在的问题,说明了本文的主要研究内容。⑵提出了以注射方案智能推荐和设备精准控制为目标的CT对比剂智能注射系统总体方案,对CT对比剂注射进行了现场调研,重点研究了系统总体需求,在此基础上对系统功能模块进行了设计,构建了系统框架。⑶分析了CT对比剂注射参数特点,总结了常用推理方法的优缺点,在上述基础上提出了基于BN-CBR/RBR的混合推理方法,阐述了推理流程,研究了带阈值的不确定性规则推理、条件加权的不确定性规则推理和基于贝叶斯网络学习的案例推理等关键技术。⑷分析了高压注射器设备工作原理,结合设备功能需求和临床参数要求对硬件进行了设计,提出了一种设备的概念方案,在上述的基础上进行了设备的详细设计,完成了注射泵结构、控制逻辑的确定和单片机、传感器等核心部件选型。⑸在本文理论研究的基础上,开发CT对比剂智能注射系统。分析了系统开发环境、体系结构和运行流程,并对系统数据集成、方案智能推送、设备控制等主要模块进行了详细说明,最后对系统调试过程和最终效果进行了展示。整个过程验证了CT对比剂注射方案智能推荐与国产高压注射器精准控制具备可行性。
梁青艳[6]（2021）在《基于流程网络仿真的钢铁企业炼钢调度和能源优化》文中提出绿色化和智能化是钢铁行业智能制造转型升级的两大基本要素,研究生产系统以及能源系统的优化问题具有非常重要的现实意义。近几年随着企业自动化、信息化水平的普遍提高,智能制造提升工程也逐渐着手实施,急需利用智能模型去解决复杂生产流程中的生产优化调度问题以及钢铁企业能源多介质优化调配问题。本文针对当前炼钢调度以及能源优化问题研究中的不足和局限性,提出基于流程网络仿真进行优化建模的新的解决方案,进行了关键技术研究和应用验证,主要研究内容如下:（1）充分考虑钢铁企业炼钢调度的特点及难点,提出了基于多智能体技术的炼钢智能化动态调度方案,构建了通用性的多智能体流程网络仿真优化基础模型,并分别结合普钢和特钢不同实际生产场景进行了应用验证。应用结果表明该技术可以大大减少无效作业时间,提高作业效率,并且能适应多变的现场环境,有效解决了炼钢生产流程中具有强耦合、多路径、多目标、多约束、多干扰特性的计划调度较为困难的难题。（2）充分考虑钢铁企业能源和生产耦合紧密的特点,从能量流的角度出发,构建了能量流网络基本描述模型包括主工序能量流模型、分介质能量流网络模型、能量流网络集成模型,对物质流、能量流之间相互影响、相互耦合的关系进行了信息表征;提出了从钢铁流程生产工艺出发,基于静态因素、动态因素及能源本身波动规律建立主工序能量流节点模型的建模方案,并分别以煤气和电力介质为例进行了主工序能量流具体分析、模型描述及预测验证。预测过程中充分考虑到实时工艺节奏和动态工况信息,使模型具有更好的适应性。煤气预测模型,模型误差基本在10%以内;电力96点负荷预测模型,模型误差在5%以内的达到96%,均获得了较好的预测效果。（3）以能量流网络模型为基础,针对以满足需求,放散最小为目标的能源计划的智能生成问题构建了基于规则的能源仿真调配模型,针对以放散和成本最小为目标的能源动态调度问题构建了基于优化算法的能源优化调配模型,并分别通过仿真分析,验证了模型的适用性和有效性。这两部分的研究分别针对不同的具体应用问题,不同优化目标进行了建模,而且和能量流网络模型结合,形成了完整的模型体系,为能源的多工况场景计划制订、优化协调提供了新方法。
汪哲宇[7]（2021）在《数字化慢病管理系统的研究与实践》文中研究指明为了应对以长期性、非传染性与难治愈性为主要特征的慢性疾病的复杂护理需求,“慢病管理”——一种以患者为中心的新型卫生服务模式——自上世纪八十年代开始逐渐涌现并不断发展。协同护理是慢病管理区别于传统卫生服务模式的关键要素,其目标是为患者提供有组织性的协同化医疗服务。以移动健康和人工智能为代表的信息技术能够提升慢病管理的协同效率,帮助患者与护理提供者之间形成完整的闭环反馈,将循证知识与健康数据中蕴含的信息集成到管理过程之中,推动慢病管理逐渐从传统方式向全面的数字化方式过渡。虽然以慢性病照护模型为代表的慢病管理理论模型已经发展得较为成熟,且其有效性已经在多个国家得到了验证,但在当前我国的慢病管理实践中,仍然存在着一系列的关键问题,导致以协同护理为核心的数字化慢病管理技术尚未得到有效应用。同时,数字化慢病管理领域的相关实施性研究也存在着一定的局限性。针对这些关键问题,本论文系统性地研究了如何在我国的医疗场景下形成以协同护理为特征的数字化慢病管理关键方法,具体内容包括:（1）数字化慢病协同管理模型的构建与表达方法研究。针对我国慢病管理实践存在的管理角色分工不明确、缺乏数字化全流程决策支持等问题,使用路径的方式对通用性慢病管理方法进行明确可执行的表示,通过对高血压、糖尿病与慢阻肺三类常见慢病国内外指南的分析与归纳,提炼出了包含九类共通任务的通用性管理路径,并对数字化场景下各病种的具体路径进行了明确。在此基础上,面向我国管理模式构建了路径驱动的数字化协同管理模型,并通过本体对模型中包含的结构化知识与具体路径中的医学决策知识进行了表达。（2）数字化背景下面向患者依从性增强的个性化管理方法研究。针对患者自我管理依从性问题与相关个性化管理研究的局限性,一方面,从移动健康应用的个性化需求分析入手,基于目标导向型设计方法中的用户建模过程,结合相关健康行为理论,提炼了面向患者自我管理依从性提升的用户模型,结合问卷与访谈结果识别出了三类患者虚拟角色与其对应的个性化需求。另一方面,从人工智能技术的管理实践入手,基于本体与多种自然语言处理技术实现了一种根据患者特征为其推荐相关文章的个性化健康教育方法;基于强化学习技术实现了一种在虚拟管理环境中根据患者与管理师状态给出干预建议的个性化管理策略生成方法。（3）数字化慢病闭环管理系统的设计与实现。针对我国慢病管理信息化实践中存在的缺乏理论指导以及多病种集成性较低等问题,基于所构建的模型与个性化管理方法,设计并实现了包含智能服务引擎与客户端两大组件的数字化慢病闭环管理系统。智能服务引擎以通用性慢病管理路径本体为核心,能够通过多种类型的接口为系统提供数据存储与全场景决策支持服务;客户端中的医生工作平台基于共通性路径任务设计,能够辅助不同角色的医护人员执行具有时序性与闭环性的协同式管理;客户端中的患者移动终端基于所提炼的个性化需求与行为改变轮设计,能够为患者提供全方位的自我管理支持,并在一定程度上改善患者依从性。所实现系统目前已在我国多个地区进行了实际的部署与应用。（4）面向数字化慢病管理的评价体系构建与实践。针对数字化场景下管理系统评价方面存在的局限性,基于面向远程医疗的综合评估模型,提炼了包含评价角色、评价重点与评价角度三个维度的面向个体层面的数字化慢病管理评估模型,并依据该模型对所实现系统进行了不同证据水平的实践评价,包括基于系统真实数据的回顾性评价、面向慢阻肺患者的前后对比试验与面向高血压患者的随机对照试验。评价结果表明,当前系统能够帮助医护人员与患者共同合作,开展医患之间高效互动的闭环式协同管理,并在一定程度上改善患者的疾病控制情况、日常生活质量与疾病认知水平。总的来看,本论文所提出的路径驱动的数字化慢病管理系统能够在一定程度上解决我国慢病管理实践与慢病管理领域相关研究中存在的多种问题,为数字化慢病管理在我国的推广与应用提供了理论指导与实践验证。
赵云鹏[8]（2021）在《多源矢量数据语义一致性处理关键技术研究》文中认为国民经济的飞速发展以及国防建设的需要,加快了地理信息数据库建设的进程。地理信息数据的应用范围不断扩大,应用层次不断深入,各领域各行业对于现势性好、语义一致的地理信息数据集的需求十分迫切。与此同时,由于应用需求不同,地理信息数据相关生产部门工作相对独立,多源矢量数据语义不一致性问题开始日益凸显,严重影响了地理信息的共享与使用。消除多源矢量数据的语义异质性既是建立统一地理信息数据集时面临的主要任务,也是提供地理信息数据服务的基本前提。因此,亟需一套理论、方法和技术来消除多源矢量数据的语义异质现象,支持生产出语义一致的矢量数据集,满足用户对于高质量地理信息数据的迫切需求。本文围绕多源矢量数据语义一致性处理关键技术展开深入研究,旨在消除多源矢量数据中存在的语义不一致性问题,为建立语义一致、精度更高的地理信息数据集提供理论和技术支撑,完成的主要工作和取得的成果如下:1.结合实际应用需求分析了本文的研究背景和意义,围绕多源矢量数据语义一致性处理涉及到的问题,对空间数据一致性、地理要素分类语义、同名地理实体匹配等国内外研究现状进行了综述,总结了当前研究中存在的不足,并提出了本文的研究目标和内容。2.明确了多源矢量数据语义一致性的定义,分析了多源矢量数据语义不一致的产生原因和具体表现,并结合地理本体关于哲学本体和信息本体上的双重阐述,从矢量数据表达的语义层次出发,探讨了矢量数据的语义结构,在此基础上提出了多源矢量数据语义一致性处理的策略和技术流程。3.研究了地理要素分类语义一致性处理问题。总结了地理要素分类的基本方法和编码原则,分析了地理要素分类语义关系,从不同的分类语义理解角度探讨了分类映射方法。阐述了基于描述性知识的分类语义理解机制,提出了顾及描述知识的地理要素分类映射方法,利用综合语义相似性建立地理要素类别的对应关系;归纳了地理要素类别的本体属性特征,建立了本体属性特征抽取和向量化表达的一般方法,提出了基于本体属性特征学习的地理要素分类映射方法,实现地理要素分类的映射。4.研究了同名地理实体匹配处理问题。阐述了同名地理实体匹配的基本思想,针对基于语义特征的地理实体匹配问题,设计了不同属性特征项的相似性度量算法和属性特征权重确定方法,提出了多语义特征约束的同名地理实体匹配方法,实现同名道路实体的语义匹配;针对基于几何特征的地理实体匹配中,传统Fréchet距离在度量同名线状要素距离时易受到曲线顶点分布及采样精度影响的问题,利用正对投影方法进行改进,并提出了结合改进Fréchet距离的同名地理实体匹配方法,改善线状地理实体的匹配效果。5.研究了地理要素属性特征一致性处理问题。分析了多源矢量数据属性特征映射转换的基本内容,设计了基于产生式结构的属性转换规则,利用XML和XML Schema对产生式属性转换规则进行分类、描述、存储和管理,实现相应的规则模板化表达,最后建立了基于规则文件控制的属性特征一致性处理方法,并进行了实例分析。6.研制了多源矢量数据语义一致性处理原型系统,介绍了系统的主要功能和实验数据概况,并对论文提出的关键技术和方法进一步进行了实验验证。
韩大勇[9]（2021）在《炼钢—连铸生产调度与钢包选配的集成优化研究》文中指出钢铁作为工业生产中不可或缺的原材料,为世界经济的高速发展提供了基础保证。同时,由于钢铁行业也是能源消耗大户,因此亟需从制造工序优化、生产组织优化等多方面入手,实现节能减排。炼钢-连铸生产是钢铁制造的核心环节,主要包含炼钢、精炼和连铸三道工序,实现铁水、钢水到铸坯的物料形态转换。该过程主要涉及到两个子问题:生产调度和钢包选配。其中,生产调度旨在确定所有炉次在各阶段的机器分配及其操作时间,并生成调度方案;而钢包选配旨在协调所有加工炉次的运载设备分配,以保障生产调度方案的顺行。然而,现阶段的相关研究主要聚焦于生产调度层面,忽略了钢包选配对整个生产过程的影响。因此,本课题重点探索了炼钢-连铸生产调度与钢包选配的集成优化模型及方法,以保证兼顾生产效率的同时,有效地降低生产成本和能源消耗。该研究具有重要的理论价值和实际意义。本课题针对上述问题,主要研究工作如下:首先,针对带可重入精炼工序的炼钢-连铸生产静态调度问题,建立了以总流经时间最小化为目标的混合整数规划模型,并提出了一种有效的增广拉格朗日乘子法（Augmented Lagrange multiplier method,e-ALM）。在该算法中,通过松弛设备资源约束和工序操作优先级约束、以及设计有效的松弛惩罚项,将原问题模型分解为易于求解的多个子问题。进而,通过融合惩罚系数和拉格朗日松弛特性,提出了一种基于次梯度偏转方向的拉格朗日乘子动态更新策略,以加快算法的收敛速度。与数学优化软件CPLEX和其他现有拉格朗日算法求解结果相对比,eALM在相同计算时间内能获得更好的可行解、以及更小的对偶间隙。其次,针对给定生产调度方案下的钢包选配问题,在满足炉次对钢包材质要求、受钢温度要求及转炉出钢时间等约束下,以最小化钢包转运总能耗为目标,建立了钢包选配问题的混合整数规划模型,并提出了改进候鸟迁移优化算法（Improved migratory birds optimization algorithm,IMBO）。在算法中,结合问题特性,设计了基于钢包选配规则的解码机制和启发式初始化方法;同时,结合MBO算法独有的V形结构,提出了基于特定问题的邻域搜索策略和竞争机制,增强算法的协同搜索能力;并结合MBO算法独有的分享和收益机制,提出了一种动态接收准则,以平衡算法的全局搜索和局部搜索能力,进而提高算法的性能。通过与多种已有的智能算法以及在实际生产中所采用的人工钢包选配方法进行对比,验证了所提算法的有效性和优越性。随后,综合考虑炼钢-连铸生产过程中的生产调度与钢包选配问题,建立了炼钢-连铸生产调度与钢包选配的能效集成优化模型,并提出一种增强的候鸟迁移优化算法（Enhanced migratory birds optimization algorithm,EMBO）。在该算法中,结合问题特征设计了融合钢包选配规则的三层启发式解码方法和相应的初始化方法;提出了联合邻域搜索策略、动态接收准则和竞争机制,增加算法的协同搜索能力;并在竞争机制中,引入种群重组和队列间交换策略,通过V字型左右队列间的信息交换来增加种群多样性。通过与其他高效的智能算法的实验对比,验证了所提EMBO算法的有效性和优越性。最后,针对国内某钢铁企业炼钢车间的实际工程案例,验证本文所提出的理论和方法。根据该车间生产实绩和钢包选配实际情况,采用生产调度与钢包选配序次优化和集成优化两种方法求解。结果表明,在所提出的能效集成优化方法下制定的生产调度方案明显优于现场采用的序次优化方法,即总流经时间更短、制造周期更短、能耗更低。同时,由于钢包选配规则的应用,提高了现场红包（温度高的钢包）的利用率和周转率,减少了钢包烘烤能耗。
邓超[10]（2021）在《混合分布估计算法求解加工-运输-装配三阶段集成调度问题》文中进行了进一步梳理装配制造业作为制造业的重要组成部分,是国民经济的重要产业,其生产过程包含加工、运输到装配三个阶段,涉及车间调度和运输调度。针对现有装配制造系统调度优化研究主要集中在车间调度问题上,即将运输过程简化,未考虑车辆数量及载重情况对工件运输的影响的实际情况。然而,随着物流水平的显着提高,为实现资源的最优配置及利润的最大化,工件从加工到装配阶段可能不在同一地方,运输阶段的调度不容忽视。目前,学者们已单独对单个调度系统优化问题进行了深入广泛地研究,并在一定程度上提高了企业效率,但针对装配制造系统而言,加工-运输-装配三个阶段并非独立存在,若忽略了阶段间的相互影响及联系,会使得单个阶段效率获得局部最佳但并非是整个制造系统的全局最佳。因此,针对装配制造业生产过程,将车间调度与运输调度集成,从制造系统整体层面研究加工-运输-装配三阶段集成调度问题具有重要的现实意义,同时该集成调度问题是复杂组合优化问题,具有强NP难性,研究相关理论和算法求解有着重要的理论意义。本文研究带工件批量运输的加工-运输-装配三阶段集成调度问题（3sISP＿JBT）及其求解算法。该问题涉及到两个系统的集成,其主要目的是深入研究3sISP＿JBT以丰富和完善集成调度理论,并结合分布估计算法（EDA）框架,探索该问题在不同优化目标下的建模和高效求解方法。首先,构建了3sISP＿JBT的理论框架,并提出了基于问题的集成优化策略。在现有车间调度及运输调度研究成果的基础上结合装配制造企业的发展特点,对3sISP＿JBT进行了问题设计及构建问题数学模型,并通过分析问题特点基础上提出了集成优化策略,为后文求解算法的设计提供了理论基础。其次,为了缩小问题解空间提高搜索效率,提出了一种融合规则的混合分布估计算法（HEDA＿R）用于求解以最小化最大完工时间（Makespan）为目标的3sISP＿JBT。通过对问题性质分析,分别给出了求解运输、装配阶段对应问题的先完工先运输（FCFT）规则和先到先装配（FCFA）规则,并讨论规则在一定条件下的最优性以克服集成优化策略所带来的不利因素。为提高初始解的质量,设计工件按产品聚合（PA）的规则来初始化种群及采样概率矩阵;为增强算法的局部搜索能力,设计了两种局部搜索策略,对算法全局搜索发现的优质区域进行细致搜索。通过仿真实验和算法比较验证了所提算法可有效求解以Makespan为优化目标的3sISP＿JBT。接着,为解决装配制造业多阶段生产的同步性及交货准时性问题,针对以装配同步性和交货准时性加权和为目标的3sISP＿JBT（3sISP＿JBTSP）,研究了相应的问题建模、求解算法（HEDA）和目标权重设置。分别在小规模和中大规模下,通过仿真实验对比验证了HEDA求解的有效性。并对优化目标不同权重设置的进行实验分析,给出加工-运输-装配同步性和交货准时性权重设置的合理范围,并得到考虑装配同步性有利于降低中间库存的结论。然后,为更好地降低装配制造业加工-运输-装配三阶段的总能耗,研究了考虑能耗的带工件批量运输的三阶段多目标集成调度问题（3sMISP＿JBTEC）,给出了加工阶段带一种改进开关机策略且运输阶段带速度的3sMISP＿JBTEC多阶段综合能耗模型,并设计一种带变邻域搜索的混合分布估计算法（HEDA＿VNS）进行求解。在HEDA＿VNS中,针对运输阶段设计了基于速度集的变邻域混合操作的局部搜索策略。通过仿真实验和算法对比验证了HEDA＿VNS为求解3sMISP＿JBTEC的有效算法。最后,对全文进行了总结,展望了进一步的研究方向和内容。
二、基于规则控制的ITS集成设计（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、基于规则控制的ITS集成设计（论文提纲范文）
（1）集成决策的情境感知业务流程一体化建模方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 选题意义 |
| 1.2 研究内容与创新点 |
| 1.2.1 主要研究内容 |
| 1.2.2 研究创新点 |
| 1.3 研究方法与论文框架 |
| 1.3.1 研究方法 |
| 1.3.2 论文框架 |
| 2 基本概念理论与文献综述 |
| 2.1 基本概念界定与分析 |
| 2.1.1 物联网 |
| 2.1.2 情境 |
| 2.1.3 业务流程 |
| 2.1.4 业务流程的情境 |
| 2.1.5 情境感知的业务流程 |
| 2.2 基础理论概述 |
| 2.2.1 业务流程管理及其灵活可变性 |
| 2.2.2 业务流程建模的方法与技术 |
| 2.2.3 业务流程的DMN决策模型 |
| 2.2.4 情境管理及其语义层级 |
| 2.2.5 情境建模的方法与技术 |
| 2.3 业务流程建模的相关综述 |
| 2.3.1 传统的业务流程建模 |
| 2.3.2 物联网环境下的业务流程建模 |
| 2.3.3 情境感知的业务流程建模 |
| 2.3.4 集成决策的业务流程流程建模 |
| 2.4 本章小结 |
| 3 情境感知业务流程的决策角色分析模型 |
| 3.1 情境感知业务流程的概念模型 |
| 3.1.1 情境概念的金字塔模型 |
| 3.1.2 业务流程情境的概念定义 |
| 3.1.3 情境感知业务流程的概念定义 |
| 3.2 决策驱动情境感知业务流程的建模与执行 |
| 3.2.1 决策的类别和层级 |
| 3.2.2 面向流程灵活性 |
| 3.2.3 面向个性化服务 |
| 3.2.4 面向知识密集型任务 |
| 3.3 决策连接业务流程及其情境的理论表达 |
| 3.3.1 集成决策的业务流程结构的规范表达 |
| 3.3.2 业务流程情境感知可变性的规范表达 |
| 3.4 决策的关键角色分析模型 |
| 3.5 本章小结 |
| 4 基于决策的Deci-CaBPM情境感知业务流程建模框架方法 |
| 4.1 面向情境感知的CaDMN扩展决策建模方法 |
| 4.1.1 决策模型中情境区分的需要 |
| 4.1.2 数据输入组件的情境区分扩展 |
| 4.1.3 显示化情境的CaDMN扩展决策模型 |
| 4.2 基于CaDMN构建情境感知业务流程的系统步骤 |
| 4.2.1 阶段A:集成决策的业务流程一体化建模 |
| 4.2.2 阶段B:情境感知的流程变体建模 |
| 4.2.3 阶段C:业务流程情境建模 |
| 4.3 例证分析 |
| 4.3.1 阶段A:实例流程与其一体化建模 |
| 4.3.2 阶段B:情境感知的易变质商品运输流程建模 |
| 4.3.3 阶段C:易变质商品运输流程的情境建模 |
| 4.3.4 Deci-CaBPM应用的分析与评估 |
| 4.4 本章小结 |
| 5 物联网环境下情境感知业务流程的应用架构 |
| 5.1 传统的业务流程生态系统 |
| 5.2 情境感知的业务流程生态系统 |
| 5.3 连接物联网环境与生态系统 |
| 5.3.1 架构路线 |
| 5.3.2 物联网基础设施 |
| 5.3.3 融合物联网的情境模型 |
| 5.3.4 情境驱动的动态数据分析模型 |
| 5.3.5 情境强化的决策模型 |
| 5.3.6 情境感知业务流程的模型与执行 |
| 5.4 本章小结 |
| 6 基于港口物流行业的案例应用验证 |
| 6.1 研究案例背景 |
| 6.2 港口物流流程模型构建 |
| 6.2.1 基于日志挖掘的港口物流流程描述 |
| 6.2.2 基于BPMN的港口物流流程建模 |
| 6.3 集成决策的港口物流流程一体化模型构建 |
| 6.3.1 基于DMN的港口物流流程决策建模 |
| 6.3.2 基于BPMN+DMN的港口物流流程一体化建模 |
| 6.4 物联网应用驱动的港口物流流程重组需求分析 |
| 6.4.1 物联网基础设施的改造应用 |
| 6.4.2 汽车提货子流程面向情境感知可变性的进化需求 |
| 6.5 基于CaDMN的汽车提货流程决策维度优化建模 |
| 6.5.1 融合情境的汽车提货决策信息需求DRD构建 |
| 6.5.2 汽车提货决策模型的决策逻辑BKM具体化构建 |
| 6.6 支持汽车提货风险决策的数据分析模型构建 |
| 6.7 识别低层情境数据构建完整汽车提货CaDMN决策模型 |
| 6.8 情境感知的汽车提货流程模型构建 |
| 6.8.1 情境感知节点的识别 |
| 6.8.2 情境感知进化的适应性调整需求分析与流程片段设计 |
| 6.8.3 进化构建情境感知的汽车提货流程以获取灵活可变性 |
| 6.9 汽车提货流程的顶层情境模型构建 |
| 6.9.1 汽车提货顶层情境实体的识别 |
| 6.9.2 基于本体的汽车提货流程情境顶层建模 |
| 6.10 研究案例的管理分析 |
| 6.11 本章小结 |
| 7 总结与展望 |
| 7.1 研究结论与工作总结 |
| 7.2 研究工作的展望 |
| 参考文献 |
| 附录A |
| 索引 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）叉车用燃料电池混合动力系统集成及能量管理策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外应用现状 |
| 1.2.1 国外应用现状 |
| 1.2.2 国内应用现状 |
| 1.2.3 存在的问题 |
| 1.3 国内外燃料电池系统能量管理策略研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 存在的问题 |
| 1.4 本文主要研究内容 |
| 1.5 研究路线图 |
| 2 燃料电池混合动力系统参数匹配 |
| 2.1 电动叉车分析 |
| 2.1.1 基本参数 |
| 2.1.2 行驶数据 |
| 2.2 混合动力结构分析 |
| 2.2.1 拓扑结构分析 |
| 2.2.2 拓扑结构选型 |
| 2.3 主要零部件选型和匹配 |
| 2.3.1 燃料电池选型 |
| 2.3.2 二次电池选型 |
| 2.3.3 零部件匹配 |
| 2.4 本章总结 |
| 3 燃料电池混合动力系统模型建立及验证 |
| 3.1 仿真平台介绍 |
| 3.2 燃料电池模型建立 |
| 3.2.1 模型建立 |
| 3.2.2 模型验证 |
| 3.3 磷酸铁锂电池模型建立 |
| 3.3.1 模型建立 |
| 3.3.2 模型验证 |
| 3.4 DC/DC模型建立 |
| 3.5 燃料电池系统参数仿真验证 |
| 3.5.1 仿真工况 |
| 3.5.2 仿真验证 |
| 3.6 本章总结 |
| 4 能量管理策略研究 |
| 4.1 基于开关控制策略的能量管理策略 |
| 4.2 基于功率跟随的能量管理策略 |
| 4.3 仿真测试 |
| 4.3.1 仿真工况 |
| 4.3.2 策略一仿真测试 |
| 4.3.3 策略二仿真测试 |
| 4.4 基于专家系统的能量管理策略 |
| 4.4.1 专家系统 |
| 4.4.2 专家控制器 |
| 4.4.3 能量管理策略 |
| 4.4.4 仿真测试 |
| 4.5 本章总结 |
| 5 系统集成及实际测试 |
| 5.1 系统集成 |
| 5.1.1 系统框架 |
| 5.1.2 嵌入式程序开发 |
| 5.1.3 系统展示 |
| 5.1.4 实测验证 |
| 5.2 能量管理策略实际测试 |
| 5.2.1 实测工况 |
| 5.2.2 实测结果对比分析 |
| 5.3 燃料经济性对比 |
| 5.4 本章总结 |
| 6 工作总结与展望 |
| 6.1 全文总结 |
| 6.2 全文展望 |
| 参考文献 |
| 个人简历及攻读硕士学位期间获得专利成果 |
（3）基于群智能算法优化的入侵检测模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 入侵检测概述 |
| 1.3 国内外研究现状 |
| 1.3.1 典型入侵检测方法 |
| 1.3.2 基于群智能的入侵检测研究方案 |
| 1.4 本文研究思路和工作创新 |
| 1.4.1 本文研究思路 |
| 1.4.2 工作创新 |
| 1.5 论文的组织结构 |
| 1.6 本章小结 |
| 第二章 相关背景知识 |
| 2.1 超启发式算法 |
| 2.1.1 粒子群优化算法 |
| 2.1.2 蝙蝠算法 |
| 2.1.3 灰狼优化算法 |
| 2.1.4 差分进化算法 |
| 2.2 无免费午餐定理 |
| 2.3 核极限学习机的演进 |
| 2.3.1 单隐层前馈神经网络 |
| 2.3.2 极限学习机 |
| 2.3.3 核极限学习机 |
| 2.4 本章小结 |
| 第三章 基于PSO的核极限学习机入侵检测模型 |
| 3.1 引言 |
| 3.2 基于PSO的核极限学习机建模过程 |
| 3.3 参数优化和特征选择技术 |
| 3.3.1 基于网格搜索的参数优化 |
| 3.3.2 基于遗传算法的参数优化和特征选择 |
| 3.4 仿真实验与结果分析 |
| 3.4.1 数据集及实验环境 |
| 3.4.2 评价指标 |
| 3.4.3 参数对核极限学习机分类器的影响 |
| 3.4.4 适应函数中权重系数选取 |
| 3.4.5 实验结果分析 |
| 3.5 本章小结 |
| 第四章 基于BA的集成剪枝入侵检测模型 |
| 4.1 引言 |
| 4.2 投票极限学习机集成方案 |
| 4.2.1 随机子空间 |
| 4.2.2 基于随机子空间的投票极限学习机集成方法 |
| 4.3 基于BA的集成剪枝过程 |
| 4.3.1 集成学习方法中的多样性度量 |
| 4.3.2 集成剪枝过程 |
| 4.3.3 复杂度分析 |
| 4.4 仿真实验与结果分析 |
| 4.4.1 评价指标 |
| 4.4.2 确定隐藏层节点个数和随机子空间维数 |
| 4.4.3 基本ELM、VELM和Pruning VELM技术比较 |
| 4.4.4 讨论 |
| 4.5 本章小结 |
| 第五章 基于超启发算法的多核极限学习机入侵检测模型 |
| 5.1 引言 |
| 5.2 ReliefF技术 |
| 5.3 基于超启发算法的多核极限学习机模型 |
| 5.3.1 多核极限学习机建模过程 |
| 5.3.2 复杂度分析 |
| 5.4 仿真实验与结果分析 |
| 5.4.1 实验描述 |
| 5.4.2 评价指标 |
| 5.4.3 实验结果及分析 |
| 5.5 本章小结 |
| 第六章 工作总结与展望 |
| 6.1 工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的成果 |
| 攻读博士学位期间参与的科研项目 |
（4）不确定性条件下流程企业生产调度和鲁棒优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、术语表 |
| 1 绪论 |
| 1.1 流程企业中的生产调度问题 |
| 1.2 不确定性条件下过程调度的研究现状 |
| 1.2.1 不确定性的来源与分类 |
| 1.2.2 不确定性条件下的调度方法 |
| 1.2.2.1 被动反应式调度 |
| 1.2.2.2 主动预防式调度 |
| 1.3 鲁棒优化研究现状 |
| 1.3.1 数据驱动鲁棒优化 |
| 1.3.2 可调鲁棒优化 |
| 1.3.3 分布鲁棒优化 |
| 1.3.4 鲁棒优化与其它不确定性优化方法之间的联系 |
| 1.4 本文主要内容和结构 |
| 1.5 符号说明 |
| 1.6 本章小结 |
| 2 基于有限适应性的乙烯厂生产调度鲁棒优化 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 数据驱动的不确定性集合树 |
| 2.3.1 基于时间和演化路径进行划分的不确定性集合 |
| 2.3.2 不确定性集合树 |
| 2.3.3 基于核密度估计构建不确定性子集合 |
| 2.4 帕累托最优有限适应性 |
| 2.4.1 第一层模型 |
| 2.4.1.1 目标函数 |
| 2.4.1.2 约束 |
| 2.4.2 第二层模型 |
| 2.4.2.1 帕累托鲁棒最优解集的定义 |
| 2.4.2.2 最小利润约束 |
| 2.4.2.3 目标函数 |
| 2.5 瓶颈分析 |
| 2.5.1 瓶颈一:不确定性演化路径的数量 |
| 2.5.2 瓶颈二:可调变量的选取 |
| 2.6 工业仿真案例分析 |
| 2.6.1 可调变量的选取 |
| 2.6.1.1 基础组合 |
| 2.6.1.2 炉群组合和全组合 |
| 2.6.2 案例一:10天的调度周期并有4条演化路径 |
| 2.6.2.1 不确定性集合树 |
| 2.6.2.2 POFA模型鲁棒重构 |
| 2.6.2.3 结果分析与讨论 |
| 2.6.3 案例二:20天的调度周期并有29条演化路径 |
| 2.7 本章小结 |
| 3 考虑内生不确定性的多阶段鲁棒混合整数优化 |
| 3.1 引言 |
| 3.2 两阶段模型 |
| 3.2.1 跃升不确定性集合 |
| 3.2.2 基于决策规则近似的模型重构 |
| 3.3 多阶段模型 |
| 3.3.1 跃升不确定性集合 |
| 3.3.2 基于决策规则近似的模型重构 |
| 3.4 案例分析 |
| 3.4.1 两阶段决策优化问题 |
| 3.4.1.1 0-1补偿的收益 |
| 3.4.1.2 内生不确定性的影响 |
| 3.4.1.3 折点的选择 |
| 3.4.2 多阶段生产调度问题 |
| 3.4.2.1 0-1补偿的收益 |
| 3.4.2.2 计算性能的相关讨论 |
| 3.5 本章小结 |
| 4 基于多阶段分布鲁棒优化的生产维护集成调度研究 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 集成生产与维护操作的确定性调度模型 |
| 4.3.1 任务分配约束 |
| 4.3.2 产量约束 |
| 4.3.3 设备单元健康状态的确定性模型 |
| 4.3.4 物料守恒约束 |
| 4.3.5 目标函数 |
| 4.4 考虑设备损耗不确定性的分布鲁棒调度模型 |
| 4.4.1 设备健康状态的随机模型 |
| 4.4.2 多阶段分布鲁棒调度模型 |
| 4.4.3 Wasserstein模糊集合 |
| 4.5 基于决策规则的鲁棒模型重构 |
| 4.5.1 跃升不确定性集合 |
| 4.5.2 跃升模糊集合 |
| 4.5.3 决策规则 |
| 4.5.4 约束的鲁棒重构 |
| 4.5.5 目标函数的鲁棒重构 |
| 4.5.6 补偿决策的信息基 |
| 4.6 案例分析 |
| 4.6.1 应用示例 |
| 4.6.1.1 补偿决策的信息基 |
| 4.6.1.2 混合整数补偿决策的收益 |
| 4.6.1.3 考虑多种维护选项的收益 |
| 4.6.1.4 分布鲁棒性与样本外性能 |
| 4.6.2 工业仿真案例 |
| 4.7 本章小结 |
| 5 可调鲁棒优化和内生不确定性及主动学习的统一框架 |
| 5.1 引言 |
| 5.2 从鲁棒优化的视角看内生不确定性 |
| 5.3 内生不确定性和主动学习 |
| 5.4 考虑内生不确定性的两阶段鲁棒优化 |
| 5.4.1 考虑1型内生不确定性 |
| 5.4.2 考虑2a型内生不确定性 |
| 5.4.3 考虑2b型内生不确定性 |
| 5.5 考虑内生不确定性的多阶段鲁棒优化 |
| 5.6 决策规则方法 |
| 5.6.1 取决于决策的不可预见性 |
| 5.6.2 跃升不确定性 |
| 5.6.3 决策规则近似 |
| 5.6.4 鲁棒模型重构 |
| 5.7 案例分析 |
| 5.7.1 案例一:工厂建设决策优化 |
| 5.7.1.1 解析解 |
| 5.7.1.2 非最坏场景目标函数 |
| 5.7.2 案例二:基于检视的生产维护集成调度优化 |
| 5.7.3 案例三:产能规划的修订时间点优化 |
| 5.7.4 案例四:集成主动参数估计的生产调度优化 |
| 5.8 本章小结 |
| 6 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究工作展望 |
| 参考文献 |
| 附录 |
| A1 第2章:基于有限适应性的乙烯厂生产调度鲁棒优化 |
| A1.1 符号说明 |
| A1.2 乙烯厂确定性调度模型 |
| A2 第3章:考虑内生不确定性的多阶段鲁棒混合整数优化 |
| A2.1 多阶段问题中受限制的决策规则 |
| A2.2 案例数据 |
| A3 第4章:基于多阶段分布鲁棒优化的生产维护集成调度研究 |
| A3.1 确定性生产维护集成调度模型的符号说明 |
| A3.2 目标函数鲁棒重构模型的证明 |
| A3.3 应用示例:案例数据 |
| A4 第5章:可调鲁棒优化和内生不确定性及主动学习的统一框架 |
| A4.1 模型(5.36)的详细推导过程 |
| A4.2 案例三:装机容量规划问题的案例数据 |
| 作者简历及攻读博士学位期间科研成果 |
（5）CT对比剂智能注射系统研究与开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 相关领域研究现状及问题分析 |
| 1.2.1 CT对比剂注射系统现状分析 |
| 1.2.2 相关技术研究现状 |
| 1.2.3 当前存在的问题分析 |
| 1.3 主要研究内容及文章结构 |
| 1.3.1 课题来源 |
| 1.3.2 主要研究内容 |
| 1.4 本章小结 |
| 第二章 CT对比剂智能注射系统总体设计 |
| 2.1 研究目标 |
| 2.2 CT对比剂注射现场调研 |
| 2.3 总体需求分析 |
| 2.4 功能模块设计 |
| 2.5 系统架构 |
| 2.6 本章小结 |
| 第三章 基于BN-CBR/RBR的混合推理方法 |
| 3.1 对比剂注射参数特点分析 |
| 3.2 常用推理方法分析 |
| 3.3 基于BN-CBR/RBR混合推理方法 |
| 3.4 关键技术研究 |
| 3.4.1 不确定性规则推理 |
| 3.4.2 基于贝叶斯网络的案例推理 |
| 3.5 本章小结 |
| 第四章 高压注射器硬件设计 |
| 4.1 高压注射器工作原理 |
| 4.2 概念方案生成 |
| 4.3 硬件详细设计 |
| 4.4 本章小结 |
| 第五章 CT对比剂智能注射系统实现 |
| 5.1 系统开发环境 |
| 5.2 系统体系结构 |
| 5.3 系统运行流程 |
| 5.4 主要功能模块实现 |
| 5.4.1 数据集成 |
| 5.4.2 智能推荐 |
| 5.4.3 设备控制 |
| 5.4.4 全过程数据存储 |
| 5.5 系统调试及效果展示 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的科研成果 |
| 致谢 |
（6）基于流程网络仿真的钢铁企业炼钢调度和能源优化（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 炼钢生产优化调度问题研究现状 |
| 1.2.1 炼钢生产调度的特点及难点 |
| 1.2.2 炼钢生产调度问题的研究方向 |
| 1.2.3 生产调度问题主要研究方法 |
| 1.2.4 当前研究中的不足和局限性 |
| 1.3 能源优化调配问题研究现状 |
| 1.3.1 能源产耗模型的研究 |
| 1.3.2 单一能源介质的优化模型的研究 |
| 1.3.3 多能源介质的优化模型的研究 |
| 1.3.4 当前研究中的不足和局限性 |
| 1.4 研究思路及技术路线 |
| 1.5 本论文主要研究内容和创新点 |
| 1.5.1 研究内容 |
| 1.5.2 创新点 |
| 2 基于多智能体技术的炼钢流程仿真优化模型 |
| 2.1 建模方案 |
| 2.2 基于多智能体的仿真优化模型 |
| 2.2.1 多智能体基本概念 |
| 2.2.2 智能体体系结构 |
| 2.2.3 智能体基本结构 |
| 2.2.4 智能体状态划分 |
| 2.2.5 物料智能体 |
| 2.2.6 设备管理智能体 |
| 2.2.7 设备智能体 |
| 2.2.8 天车管理智能体 |
| 2.2.9 天车智能体 |
| 2.2.10 智能体任务协调流程 |
| 2.3 本章总结 |
| 3 炼钢-连铸流程仿真优化模型实现及仿真分析 |
| 3.1 炼钢-连铸生产工艺流程及阶段 |
| 3.2 生产工艺流程特点 |
| 3.3 技术方案 |
| 3.3.1 仿真优化流程 |
| 3.3.2 多智能体模型实例化 |
| 3.3.3 作业时间波动分析 |
| 3.4 案例分析 |
| 3.4.1 仿真优化分析 |
| 3.4.2 多场景下的生产调度 |
| 3.5 本章总结 |
| 4 高速工具钢炼钢流程仿真优化模型实现及仿真分析 |
| 4.1 高速工具钢生产工艺流程及阶段 |
| 4.2 生产工艺流程特点 |
| 4.3 技术方案 |
| 4.3.1 仿真优化流程 |
| 4.3.2 多智能体模型实例化 |
| 4.4 案例分析 |
| 4.4.1 案例描述 |
| 4.4.2 冶炼浇铸流程优化调整 |
| 4.4.3 电渣工序优化调整 |
| 4.4.4 设备故障调整 |
| 4.4.5 炉次优化调整 |
| 4.5 本章总结 |
| 5 能量流网络模型 |
| 5.1 能源系统分析 |
| 5.1.1 能源消耗分析 |
| 5.1.2 能源平衡分析 |
| 5.1.3 能源转换分析 |
| 5.1.4 能源系统特点总结 |
| 5.2 能量流网络模型 |
| 5.2.1 能量流网络结构描述 |
| 5.2.2 主工序能量流模型 |
| 5.2.3 分介质能量流网络模型 |
| 5.2.4 能量流网络集成模型 |
| 5.3 煤气能量流网络中主工序节点模型 |
| 5.3.1 煤气产耗波动特点 |
| 5.3.2 煤气主工序节点模型 |
| 5.3.3 模型验证 |
| 5.4 电力能量流网络中主工序节点模型 |
| 5.4.1 负荷波动特点 |
| 5.4.2 电力负荷主工序节点模型 |
| 5.4.3 模型验证 |
| 5.5 本章总结 |
| 6 基于能量流网络动态仿真的能源优化调配 |
| 6.1 基于调度规则的仿真优化模型 |
| 6.1.1 基于规则的整体调配流程 |
| 6.1.2 燃气调配计算逻辑 |
| 6.1.3 蒸汽调配计算逻辑 |
| 6.1.4 电力调配计算逻辑 |
| 6.2 基于优化算法的仿真优化模型 |
| 6.2.1 仿真优化调配流程 |
| 6.2.2 目标函数 |
| 6.2.3 约束条件 |
| 6.2.4 模型求解 |
| 6.3 能源仿真优化模型软件化 |
| 6.4 案例分析 |
| 6.4.1 案例说明 |
| 6.4.2 基于调度规则的能源仿真计算 |
| 6.4.3 基于优化算法的能源仿真分析 |
| 6.5 本章总结 |
| 7 结论和展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 在学科研工作及发表论文 |
| 致谢 |
（7）数字化慢病管理系统的研究与实践（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单和术语表 |
| 第一章 绪论 |
| 1.1 慢病管理概述 |
| 1.1.1 慢病的定义与分类 |
| 1.1.2 慢病的全球化流行趋势 |
| 1.1.3 慢病管理的定义与基本要素 |
| 1.1.4 我国慢病流行趋势及管理现状 |
| 1.2 慢病管理领域研究综述 |
| 1.2.1 基于协同护理的慢病管理理论模型发展综述 |
| 1.2.2 基于CCM框架的慢病管理实施性研究综述 |
| 1.3 数字化慢病管理研究进展及应用实践 |
| 1.3.1 数字化背景下的慢病管理理论模型发展 |
| 1.3.2 数字化背景下的慢病管理实施性研究进展 |
| 1.3.3 数字化慢病管理国内外代表性应用实践 |
| 1.4 关键问题分析与论文研究内容 |
| 1.4.1 关键问题分析 |
| 1.4.2 论文的研究内容及创新点 |
| 第二章 路径驱动的数字化慢病协同管理模型构建与表达 |
| 2.1 路径驱动的数字化慢病协同管理模型构建 |
| 2.1.1 通用性慢病管理路径提炼与多病种实现 |
| 2.1.2 面向我国管理模式的数字化协同管理模型构建 |
| 2.2 基于本体的模型知识表达与验证 |
| 2.2.1 本体相关概念与构建方法 |
| 2.2.2 慢病协同管理模型基础本体构建 |
| 2.2.3 基于演绎推理的路径化决策支持 |
| 2.2.4 本体构建结果与技术性评估 |
| 2.3 本章小结 |
| 第三章 面向患者依从性增强的个性化管理方法研究 |
| 3.1 基于健康行为理论的患者个性化管理需求分析 |
| 3.1.1 移动健康应用设计方法概述 |
| 3.1.2 面向自我管理依从性增强的用户模型提炼 |
| 3.1.3 用户虚拟角色构建与需求识别 |
| 3.2 基于健康推荐系统的个性化健康教育方法研究 |
| 3.2.1 健康推荐系统相关概念与研究进展 |
| 3.2.2 健康知识推荐系统的设计与实现 |
| 3.2.3 基于测试集的推荐系统评估 |
| 3.3 基于强化学习的个性化管理策略生成方法研究 |
| 3.3.1 强化学习相关理论与研究进展 |
| 3.3.2 策略生成模型的设计与实现 |
| 3.3.3 基于虚拟环境的训练结果与模型评估 |
| 3.4 本章小结 |
| 第四章 数字化慢病闭环管理系统设计与实现 |
| 4.1 面向全场景决策支持的智能化慢病服务引擎构建 |
| 4.1.1 以引擎为核心的系统整体架构设计 |
| 4.1.2 基于多种软件框架的云端引擎实现 |
| 4.2 基于路径任务的医生协作工作平台设计与实现 |
| 4.2.1 路径任务驱动的协作工作平台功能设计 |
| 4.2.2 基于网页的协作工作平台功能实现 |
| 4.3 基于行为改变技术的患者移动终端设计与实现 |
| 4.3.1 行为改变轮驱动的干预功能设计 |
| 4.3.2 面向多平台的移动终端功能实现 |
| 4.3.3 面向患者依从性的移动终端试点性应用评价 |
| 4.4 系统部署与实际应用情况 |
| 4.5 本章小结 |
| 第五章 面向数字化慢病管理的多维度评价体系研究 |
| 5.1 数字化慢病管理系统多维度评价体系构建 |
| 5.1.1 慢病管理领域评价方法概述 |
| 5.1.2 面向个体层面的数字化慢病管理评估模型提炼 |
| 5.2 基于系统观察性数据的回顾性评价 |
| 5.2.1 研究设计与数据分析方法 |
| 5.2.2 回顾性评价结果总结 |
| 5.3 基于多层次临床试验的前瞻性评价 |
| 5.3.1 探究慢阻肺患者院外管理效果的前后对比试验 |
| 5.3.2 探究高血压患者院外管理效果的随机对照试验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 个人简历 |
| 攻读博士学位期间的主要研究成果 |
（8）多源矢量数据语义一致性处理关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状与问题分析 |
| 1.2.1 空间数据一致性研究 |
| 1.2.2 地理要素分类语义研究 |
| 1.2.3 同名地理实体匹配研究 |
| 1.2.4 现有研究存在的不足 |
| 1.3 选题来源 |
| 1.4 论文研究的目标与内容 |
| 1.4.1 研究目标 |
| 1.4.2 主要研究内容 |
| 1.5 论文的组织结构 |
| 第二章 多源矢量数据语义一致性处理基础理论 |
| 2.1 多源矢量数据语义一致性的定义 |
| 2.2 多源矢量数据语义不一致的原因及表现 |
| 2.2.1 语义不一致的原因 |
| 2.2.2 语义不一致的表现 |
| 2.3 矢量数据的语义结构分析与描述 |
| 2.3.1 本体与地理本体 |
| 2.3.2 矢量数据的语义层次 |
| 2.3.3 矢量数据的语义模型 |
| 2.4 矢量数据语义一致性处理的策略与流程 |
| 2.4.1 矢量数据语义一致性处理的策略 |
| 2.4.2 矢量数据语义一致性处理的基本流程 |
| 2.5 本章小结 |
| 第三章 地理要素分类语义一致性处理技术 |
| 3.1 地理要素的分类与编码 |
| 3.1.1 地理要素分类的基本方法 |
| 3.1.2 地理要素类别的编码原则 |
| 3.2 地理要素分类语义理解与映射 |
| 3.2.1 地理要素分类的语义关系 |
| 3.2.2 地理要素分类的语义理解 |
| 3.2.3 地理要素分类的语义映射 |
| 3.3 顾及描述知识的地理要素分类映射方法 |
| 3.3.1 地理类别概念的描述性知识 |
| 3.3.2 语义相似度度量与地理要素分类映射 |
| 3.3.3 实验验证与分析 |
| 3.4 基于本体属性特征学习的地理要素分类映射方法 |
| 3.4.1 地理类别概念的本体属性特征 |
| 3.4.2 地理要素分类语义关系的描述与学习 |
| 3.4.3 实验验证与分析 |
| 3.5 本章小结 |
| 第四章 同名地理实体匹配处理技术 |
| 4.1 同名地理实体匹配的基本思想 |
| 4.1.1 同名地理实体的相似性 |
| 4.1.2 同名地理实体的匹配特征 |
| 4.1.3 同名地理实体的匹配策略 |
| 4.2 多语义特征约束的同名地理实体匹配方法 |
| 4.2.1 地理实体的语义结构模型 |
| 4.2.2 多特征约束的语义相似性度量模型 |
| 4.2.3 实验验证与分析 |
| 4.3 结合改进Fréchet距离的同名地理实体匹配方法 |
| 4.3.1 Fréchet距离及其存在的问题 |
| 4.3.2 结合改进Fréchet距离的几何相似性度量模型 |
| 4.3.3 实验验证与分析 |
| 4.4 本章小结 |
| 第五章 地理要素属性特征一致性处理技术 |
| 5.1 地理要素属性特征的映射转换 |
| 5.1.1 分类编码的约束 |
| 5.1.2 属性特征的转换 |
| 5.2 属性转换规则的定义、描述与实现 |
| 5.2.1 产生式属性转换规则的定义 |
| 5.2.2 属性转换规则的描述与管理 |
| 5.2.3 属性转换规则的模板化实现 |
| 5.3 基于规则文件控制的属性特征一致性处理 |
| 5.3.1 属性特征一致性处理流程 |
| 5.3.2 属性特征转换效果评估 |
| 5.3.3 实例分析 |
| 5.4 本章小结 |
| 第六章 语义一致性处理原型系统与功能实现 |
| 6.1 实验介绍 |
| 6.1.1 实验系统概述 |
| 6.1.2 系统的主要功能 |
| 6.1.3 实验数据与内容 |
| 6.2 矢量数据语义一致性处理功能实现 |
| 6.2.1 地理要素分类语义一致性处理实验 |
| 6.2.2 同名地理实体匹配处理实验 |
| 6.2.3 地理要素属性特征一致性处理实验 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究总结 |
| 7.1.1 主要工作 |
| 7.1.2 主要创新点 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简历 攻读博士学位期间完成的主要工作 |
（9）炼钢—连铸生产调度与钢包选配的集成优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的来源、研究背景意义 |
| 1.1.1 课题来源与目的 |
| 1.1.2 研究背景及意义 |
| 1.2 炼钢-连铸生产调度与钢包选配问题相关概述 |
| 1.2.1 炼钢-连铸生产流程 |
| 1.2.2 炼钢-连铸生产调度的作用及特点 |
| 1.2.3 钢包选配的作用及特点 |
| 1.3 国内外研究现状 |
| 1.3.1 炼钢-连铸生产调度的研究现状 |
| 1.3.2 钢包选配问题的研究现状 |
| 1.4 存在的问题及发展动态分析 |
| 1.5 本文内容与结构 |
| 第2章 带可重入精炼工序的炼钢-连铸生产调度优化 |
| 2.1 引言 |
| 2.2 SCC问题描述 |
| 2.2.1 SCC生产过程概述 |
| 2.2.2 求解难度分析 |
| 2.3 SCC模型构建 |
| 2.3.1 机器能力约束 |
| 2.3.2 设备资源约束 |
| 2.3.3 时序约束 |
| 2.3.4 完整性约束及参数定义域 |
| 2.3.5 目标函数 |
| 2.4 增广拉格朗日乘子法设计 |
| 2.4.1 增广拉格朗日松弛问题构造 |
| 2.4.2 增广拉格朗日对偶问题求解 |
| 2.5 案例分析 |
| 2.5.1 增广拉格朗日算法的可行性分析 |
| 2.5.2 增广拉格朗日算法的改进性能分析 |
| 2.6 本章小结 |
| 第3章 给定调度方案下的钢包选配优化 |
| 3.1 引言 |
| 3.2 钢包选配问题描述 |
| 3.1.1 钢包选配问题的意义 |
| 3.1.2 钢包选配的约束条件和性能指标 |
| 3.3 钢包选配调度模型 |
| 3.3.1 参数符号及其定义 |
| 3.3.2 钢包分配和排序约束 |
| 3.3.3 时序约束 |
| 3.3.4 生产调度与钢包选配的关系约束 |
| 3.3.5 能效目标 |
| 3.3.6 钢包选配问题的示例说明 |
| 3.4 基于启发式规则的钢包选配方法 |
| 3.4.1 钢包选配规则提取 |
| 3.4.2 基于规则优先级的钢包选配策略 |
| 3.5 基于MBO钢包优化选配方法 |
| 3.5.1 编码方式和启发式初始化算法 |
| 3.5.2 两种邻域解生成算子 |
| 3.5.3 基于SA动态接受准则 |
| 3.5.4 基于队列重组的竞争机制 |
| 3.6 钢包选配仿真实验 |
| 3.6.1 IMBO算法参数校验 |
| 3.6.2 算法改进性能分析 |
| 3.6.3 与其他算法对比分析 |
| 3.7 本章小结 |
| 第4章 炼钢-连铸生产调度与钢包选配的集成优化 |
| 4.1 引言 |
| 4.2 面向能效的炼钢-连铸生产调度与钢包选配集成问题描述 |
| 4.3 集成问题建模 |
| 4.3.1 分配和排序约束 |
| 4.3.2 时序约束 |
| 4.3.3 生产调度与钢包选配的耦合关系约束 |
| 4.3.4 能效目标 |
| 4.4 集成优化的调度策略 |
| 4.4.1 生产调度的设备指派和操作定时 |
| 4.4.2 物料运输的规则提取策略 |
| 4.5 基于MBO炼钢连铸集成优化调度方法 |
| 4.5.1 编码方式和启发式初始化算法 |
| 4.5.2 联合邻域搜索策略 |
| 4.5.3 新解的接受准则 |
| 4.5.4 基于队列信息互换的竞争机制 |
| 4.6 数值实验 |
| 4.6.1 案例生成 |
| 4.6.2 参数校验 |
| 4.6.3 集成优化方法节能本质的微观性分析 |
| 4.6.4 集成与非集成的宏观分析 |
| 4.6.5 EMBO算法对小规模案例的有效性检验 |
| 4.6.6 针对中大规模,EMBO对比其他算法的性能评估 |
| 4.7 本章小结 |
| 第5章 炼钢生产调度问题的实例分析 |
| 5.1 引言 |
| 5.2 工业实验对象描述 |
| 5.2.1 生产设备及功能介绍 |
| 5.2.2 设备条件 |
| 5.2.3 生产工艺特点 |
| 5.3 SCC智能生产控制系统 |
| 5.3.1 功能需求 |
| 5.3.2 智能优化的功能 |
| 5.4 工业实验 |
| 5.4.1 工程案例介绍 |
| 5.4.2 案例验证 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 创新之处 |
| 6.3 工作展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间取得的科研成果 |
| 附录2 攻读博士学位期间参加的科研项目 |
（10）混合分布估计算法求解加工-运输-装配三阶段集成调度问题（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题的背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外相关研究现状综述 |
| 1.2.1 集成调度的研究现状 |
| 1.2.2 装配制造业车间调度的研究现状 |
| 1.2.3 生产调度方法的研究现状 |
| 1.3 国内外相关研究现状总结与问题分析 |
| 1.4 研究内容 |
| 1.5 章节内容安排 |
| 第二章 加工-运输-装配三阶段集成调度问题总体框架研究 |
| 2.1 构建研究总体框架 |
| 2.2 问题模型研究 |
| 2.2.1 问题提取 |
| 2.2.2 问题描述及数学模型 |
| 2.3 集成优化策略 |
| 2.3.1 传统优化策略 |
| 2.3.2 集成优化策略 |
| 2.4 EDA算法 |
| 2.5 本章小结 |
| 第三章 融合规则的 HEDA求解最小化最大完工时间的 3sISP_JBT |
| 3.1 引言 |
| 3.2 求解3sISP_JBT的特点分析 |
| 3.3 运输阶段及装配阶段调度规则设计 |
| 3.3.1 运输阶段调度规则 |
| 3.3.2 装配阶段调度规则 |
| 3.4 求解3sISP_JBT的 HEDA_R |
| 3.4.1 编码及解码 |
| 3.4.2 HEDA_R全局搜索 |
| 3.4.3 局部搜索策略 |
| 3.4.4 种群多样性判定及控制机制 |
| 3.4.5 HEDA_R特点及框架 |
| 3.5 仿真实验结果与分析 |
| 3.5.1 关键参数设置及其影响 |
| 3.5.2 实验结果与比较 |
| 3.6 本章小结 |
| 第四章 HEDA求解考虑同步性和交货准时性的3sISP_JBT |
| 4.1 引言 |
| 4.2 问题数学模型 |
| 4.2.1 问题总体描述 |
| 4.2.2 优化目标加权和函数 |
| 4.2.3 问题模型 |
| 4.2.4 问题示例 |
| 4.3 求解问题的算法设计 |
| 4.3.1 问题特点分析 |
| 4.3.2 求解问题的HEDA算法设计 |
| 4.4 HEDA求解3sAISP_SP |
| 4.4.1 HEDA全局搜索 |
| 4.4.2 局部搜索策略 |
| 4.4.3 种群多样性判定及控制机制 |
| 4.4.4 算法流程 |
| 4.5 仿真实验结果与分析 |
| 4.5.1 HEDA算法比较 |
| 4.5.2 权重设置对同步性和准时性的影响分析 |
| 4.5.3 同步性对半成品库存的影响 |
| 4.6 本章小结 |
| 第五章 HEDA_VNS求解考虑能耗的多目标3sISP_JBT |
| 5.1 引言 |
| 5.2 问题数学模型 |
| 5.2.1 问题总体描述 |
| 5.2.2 多阶段综合能耗模型 |
| 5.2.3 能耗多目标数学模型 |
| 5.3 求解问题的HEDA_VNS算法设计 |
| 5.3.1 算法整体设计 |
| 5.3.2 速度调度方案设计 |
| 5.4 HEDA_VNS求解3sMISP_JBTEC |
| 5.4.1 全局搜索 |
| 5.4.2 局部搜索策略 |
| 5.4.3 种群多样性判定及控制机制 |
| 5.4.4 算法流程 |
| 5.5 仿真实验结果与分析 |
| 5.5.1 实验设置及评价指标 |
| 5.5.2 关键参数设置及其影响 |
| 5.5.3 某一问题规模求解结果分析 |
| 5.5.4 与其他智能算法实验结果比较 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、基于规则控制的ITS集成设计（论文参考文献）
- [1]集成决策的情境感知业务流程一体化建模方法研究[D]. 宋容嘉. 北京交通大学, 2021(02)
- [2]叉车用燃料电池混合动力系统集成及能量管理策略研究[D]. 沈忱. 浙江大学, 2021(02)
- [3]基于群智能算法优化的入侵检测模型研究[D]. 沈焱萍. 北京邮电大学, 2021(01)
- [4]不确定性条件下流程企业生产调度和鲁棒优化研究[D]. 凤伟. 浙江大学, 2021(01)
- [5]CT对比剂智能注射系统研究与开发[D]. 程亚军. 四川大学, 2021
- [6]基于流程网络仿真的钢铁企业炼钢调度和能源优化[D]. 梁青艳. 钢铁研究总院, 2021(01)
- [7]数字化慢病管理系统的研究与实践[D]. 汪哲宇. 浙江大学, 2021(01)
- [8]多源矢量数据语义一致性处理关键技术研究[D]. 赵云鹏. 战略支援部队信息工程大学, 2021
- [9]炼钢—连铸生产调度与钢包选配的集成优化研究[D]. 韩大勇. 武汉科技大学, 2021(01)
- [10]混合分布估计算法求解加工-运输-装配三阶段集成调度问题[D]. 邓超. 昆明理工大学, 2021(02)