一、过程系统优化中的预估校正技巧（论文文献综述）
贾昊[1]（2020）在《基于高斯过程回归的热工系统数据驱动建模研究》文中认为随着计算机、传感器网络、数据存储技术的快速发展及其在大型火电机组中的广泛应用,海量的历史运行数据得以保存。由于历史运行数据是对机组运行状况最直观的反映,并且随着电站信息化的发展使得数据获取变得十分容易、成本低廉,为构建数据驱动模型提供了良好的基础。但是,想要构建性能优异的模型往往并不容易,如何对建模数据进行选择和处理,选择哪种建模方法都会对模型最终的效果产生影响。也正是因为如此,基于数据驱动的建模方法才会成为研究热点,持续受到研究人员的关注。针对热工过程数据驱动建模过程中存在的一些问题,本文以基于历史运行数据的建模方法为研究主题,围绕数据预处理、稳态检测、静态模型和动态模型的构建、多模型建模方法等方面,开展了以下研究工作:（1）针对历史运行数据中存在数据异常和数据缺失的问题,对历史数据异常值检测和校正方法进行了研究。针对异常值检测,提出一种基于经验小波变换和局部异常因子相结合的异常值检测方法。该方法首先使用经验小波变换提取并去除数据的运行趋势;然后对去除趋势的序列求取局部异常值;最后采用箱型图对异常值进行自适应判别。针对数据中存在异常值和数据缺失的问题,采用基于滑动窗口和Nadaraya-Watson回归相结合的方法,对相关数据进行校正和补全。以某1000MW火电机组负荷数据和总风量数据为例,分别验证了所提方法的有效性。（2）针对历史运行数据中动态数据和稳态数据交替出现的现象,为了实现对不同数据的区分,提出了一种基于信号分解与统计检验方法相结合的热工过程稳态检测方法,用以对稳态工况样本进行筛选。首先采用经验小波变换对原始信号进行分解,得到原始信号的运行趋势和震荡信息;然后结合修改过的R统计检验法对热工过程数据进行稳态检测。以仿真数据和某1000MW火电机组协调控制系统数据为例,验证了方法的有效性。（3）针对热工过程稳态数据存在的数据量大、属性维度高、数据重复性大的特点,提出了一种基于样本稀疏化和特征变量选择的高斯过程回归建模方法。首先使用基于数据相似性和信息熵相结合的样本选择方法对稳态数据进行样本稀疏化处理;然后使用基于皮尔森相关系数和最小角回归算法相结合的方法对建模特征变量进行数据融合和特征选择;最后结合高斯过程回归方法建立系统模型。使用历史运行数据建立某1000MW火电机组锅炉烟气含氧量静态模型。通过与其他方法对比,证明了使用该方法建立的模型具有更小的模型误差和更高的静态准确度,可以取得很好的预测效果。（4）针对动态过程中变量间存在强非线性、过程复杂多变、输入输出变量间存在时延的特点,提出一种考虑输入时延的组合核函数动态高斯过程回归建模方法。首先采用灰色关联度分析方法对变量的时延参数进行估计,根据估计值重新构造数据集;然后根据核函数闭包性质,将局部核函数和全局核函数组合起来构成新的核函数,构建组合核函数动态高斯过程回归模型;最后使用历史运行数据建立某1000MW火电机组锅炉烟气含氧量的动态模型验证所提方法的有效性。实验结果表明,采用该方法建立的动态模型具有模型准确度高、泛化能力强的特点,可以满足实际需要。（5）针对热工过程中存在多种工况、工况变化范围大,采用单一模型描述生产过程特性时易导致训练过拟合、模型泛化能力差的问题,提出一种基于自适应模糊聚类的多模型动态高斯过程回归建模方法。使用提出的模糊聚类方法对数据集进行划分并根据划分的子数据集分别建立其动态高斯过程回归模型,然后采用基于预测方差的贝叶斯融合方法得到最终的输出模型。结合某1000MW火电机组历史运行数据建立锅炉烟气含氧量模型,通过与单一全局动态高斯过程回归模型和采用其他合成策略的多模型动态高斯过程回归模型进行对比,结果表明所提方法具有很好的模型预测精度和泛化能力。
李幸[2]（2020）在《基于设计的STEM+C教学培养小学生计算思维的研究》文中进行了进一步梳理计算思维是当前高度信息化智慧时代的重要技能,是K12学习者必不可少的基本技能之一。当前,各发达国家相继把计算思维作为国家人才培养的核心,探索从小学阶段培养计算思维的理论框架和创新课程。我国自2018年1月正式将计算思维作为高中信息技术学科的核心素养,开始重视对计算思维的培养,并逐步向基础教育移步。随着计算思维培养的逐步推进,伴随教学改革的稳健步伐,我国小学传统的单学科教学知识融合不充分、学生被动接受学习的现状已不能适应知识经济时代下融合问题解决能力、创造力等复合能力的计算思维能力的培养。计算思维一般通过信息技术课得以培养,传统的以计算机应用学习为主的小学信息技术课忽略真实生活情境,不重视技术与其他学科内容的融合,计算思维因而失去其解决复杂问题的内核价值。因此,本研究的核心在于探究一种融合多学科知识、重视真实生活情境的培养小学生的复合型计算思维能力的教学框架与模型。本研究围绕三个具体问题开展理论与实证研究,即,一是如何培养小学生的计算思维,探究培养小学生计算思维的理论框架与教学模型;二是如何多元测评小学生的计算思维;三是培养小学生计算思维的效果如何,如何改进和最优化教学。为回答上述问题,本研究主要采用教育设计研究（EDR）范式,运用质性与量性相结合的混合研究法,试图回答以下问题:（1）回答“如何构建培养计算思维的理论框架与教学模型”的问题。研究的理论基础围绕计算思维的理论,包括计算思维的多元定义、系统测评以及培养模型,还围绕多元的基于设计的学习（DBL）模型、STEM+C教育理论以及教学设计框架等开展分析,论证建构基于设计的STEM+C的理论框架与教学模型的可行性与有效性,同时结合小学开展计算思维培养遇到的实际问题进行分析,论证其必要性。基于设计的STEM+C教学框架旨在解决四个核心问题,一是“教学内容是什么”,二是“教师怎么教”,三是“学生怎么学”,四是“学习的结果如何”。理论框架通过环的形式展示,包含四层:第一层为内容层,对应STEM+C学科内容,即学科教学内容为融合科学、技术、工程、数学与计算的跨学科知识;第二层为教学层,即教师如何开展教学,研究采用APT教学框架,考虑多元教学法与策略（P）、技术手段与脚手架（T）以及评价与交互方式（A）;第三层是学生如何开展学习,采用基于设计的学习流程——C5流程;第四层是学习的结果如何。同时,通过对基于设计的STEM+C理论框架进行迭代完善,进一步探讨了培养计算思维的最优化设计。基于设计的STEM+C教学模型雏形是以基于设计的学习（DBL）为基础,融合计算思维实践的新兴教学模型。三轮迭代中对C5学习流程中的APT要素作为迭代完善的核心,通过社会交互与多元评价（A）、多元教学策略与教学法（P）、多元技术手段与脚手架（T）进行迭代完善,从而优化教学。（2）回答“如何评价计算思维”的问题。探究测评计算思维的多维度工具,从而开展能力与技能、认知以及情感的计算思维多元测评工作。计算思维技能采用计算思维测试（CTt）,测评学生的编程计算思维技能;采用Bebras测试,测评学生的一般性的计算思维技能;能力上采用自陈式计算思维量表（CTS）了解学习者自我感知的计算思维能力;计算思维认知结合质性研究方式,采用访谈、焦点小组等质性方法收集数据。情感则通过参与度与自我效能感问卷测评。研究采用经验取样法进行数据收集测评,对学习者在不同情境下的自我感知计算思维能力以及情感维度进行及时的密集型追踪,从而确保数据的真实性、准确性与有效性。同时,利用个案研究更深入了解学习者计算思维能力与相关情感维度。（3）回答“如何最优化计算思维的教学模型并验证其有效性”的问题。研究结合STEM+C学科内容进行课程设计与开发实践,利用教育设计研究方法（EDR）迭代改进教学。研究经过三轮迭代优化,以基于设计的学习为基本学习步骤,优化部分有:增加项目式学习,通过提供学习者项目书支架,帮助学生将整个过程逻辑清晰的串联。在第一个阶段“情境鉴定”,教师鼓励科学探究,设置基于证据的学习问题支架,帮助学习者对问题进行更精准的分解与抽象,还增加了对问题的概括与评估。在设计阶段,对协作学习的角色、协作任务提供更清晰的任务支架,同时教师加强对学生协作设计中STEM+C知识的强化,帮助学习者进一步将STEM+C知识与产品功能、工程设计原理深度联结。在原型制作阶段与迭代完善阶段,针对调试部分,增加了尝试错误与排除错误的试错法,并提供试错支架。在演示阶段,增设了基于量规的评价,确保教师评价、学习者评价过程中深度交互。（4）探究基于设计的STEM+C教学的实施状况与推广效果。在此过程中,利用经验取样法量性研究法结合访谈法、个案研究法等质性研究法深度探究基于设计的STEM+C教学的效果以及改进策略。结论有:一是基于设计的STEM+C教学在自然课堂情境下显着促进学习者的计算思维编程技能与一般性技能,显着促进计算思维能力、参与度与自我效能感。二是利用经验取样法,基于设计的STEM+C学习在不同的阶段有不同的波动,①在设计初期有较大幅度降低,源自于学习者刚开始进行复杂设计的合作,关系具有一定的陌生性,容易产生矛盾冲突,降低效率,伴随教师的积极干预,学习者在后期开始大幅度提升。②虽然在设计与设计演示阶段有一定的回落,但在创造原型阶段迅速回升并在作品交流演示阶段达到最高。三是基于设计的STEM+C教学可帮助小学生缩短在性别上的差距,一开始女生的计算思维显着低于男生,经过学习男生与女生的计算思维基本达到一致。同时,该教学法可帮助缩小学生在初始能力上的差距,学困生得到显着提升,最终基本与学优生持平。四是协作学习在基于设计的STEM+C学习中扮演极其重要的角色。良好的协作是培养计算思维的保障。因此,教师对协作的干预极其重要,提前进行协作技巧的培训、观察小组协作冲突、及时进行协作干预、提供合适的协作与认知支架对开展协作问题解决学习极其重要。本研究的创新之处在于:一是跨学科领域下计算思维培养的教学与学习理论,构建基于设计的STEM+C教学框架与模型,丰富了信息化环境下基础教育领域的教学与学习理论,提供信息化环境下基础教育领域的案例;二是利用经验取样法,精准探究学习者在培养计算思维过程中的波动,并提出干预措施,丰富该研究方法在计算思维以及STEM领域的应用;三是本研究开展基于设计的STEM+C实证研究,探究学习者的计算思维的实施效果,并重点关注性别差异与初始能力对计算思维培养的影响。
王国强[3]（2019）在《大规模二次规划和稀疏优化的分片线性同伦路径跟踪方法和分解技术》文中认为二次规划和稀疏优化是两类重要而基本的优化模型,在科学、工程与经济的很多领域中具有重要的应用,其数值解法研究是数值代数与优化的重要研究课题.尽管关于这两类问题解法的研究已取得了丰富的研究成果,但由于计算机和信息采集技术的不断升级,计算和信息技术的进步,特别是机器学习和大数据技术的飞速发展和应用普及,实际问题的规模越来越大,因此大规模二次规划和稀疏优化问题的高效率解法研究仍是具有挑战性的热门课题.本文对大规模二次规划和稀疏优化问题的分片线性同伦路径跟踪方法、分解技术、预热技术、邻近点方法进行了深入系统的研究,提出了一些解大规模二次规划和稀疏优化问题的高效率算法.在第一章,我们简要地介绍了二次规划和稀疏优化问题的数值解法的研究背景和现状.在第二章,我们在参数积极集方法的基础上,提出了APG预热技术、ε-精度检验和校正技巧和快速Cholesky更新技巧,给出了解强凸箱型约束二次规划问题的一种新的分片线性同伦路径跟踪方法.数值实验结果显示,该方法比已有的先进算法更加高效,并且对于病态问题表现出了较强的鲁棒性.我们证明了求解非凸箱型约束二次规划的邻近点算法在概率1的意义下Q-线性收敛到一个局部极小点,并给出了收敛因子的估计.基于该收敛性分析,我们提出了一个加速邻近点方法.数值实验结果显示,相比邻近点方法,加速邻近点方法的加速效果非常明显.结合解邻近点子问题的分片线性同伦路径跟踪方法,我们给出了解非凸箱型约束二次规划问题的加速邻近点同伦（APP-Hom）方法.数值实验结果显示,APP-Hom算法相比现有的先进算法具有非常明显的优势.因为直接将分片线性同伦路径跟踪方法推广到一般二次规划时,效果并不理想,在第三章,我们提出了解一般凸二次规划问题的邻近增广拉格朗日同伦（PAL-Hom）方法.该方法采用分片同伦路径跟踪方法求解邻近增广拉格朗日子问题,能够有效地利用分片线性同伦路径跟踪方法和增广拉格朗日方法的优点.数值结果显示,该方法在求解稠密的、等式约束少以及解的自由变量少的问题上表现优异,比内点法更加高效,并比积极集法和参数积极集法更加稳定有效.第四章,为求解SVM中的大规模二次规划问题,我们提出了一个高效的全局收敛的邻近随机块坐标极小化增广拉格朗日同伦（PSBCM-ALH）方法.我们通过高效的启发式块坐标更新策略,将大规模二次规划问题分解成一序列小规模的强凸二次规划子问题,并用增广拉格朗日同伦算法求解每个子问题.利用解的稀疏性和子问题的相似性,设计了一个收缩技巧和一个自适应参数学习技巧,提高了算法的效率和稳定性.证明了算法训练线性SVM的时间复杂度是线性的,非线性SVM的时间复杂度是二次的.数值实验结果显示,相比着名的LIBSVM软件包,我们的方法在训练大规模线性SVM和非线性SVM都具有非常明显的优势;此外,在训练大规模线性SVM时,我们的方法与先进的线性SVM训练器LIBLINEAR相比具有很强的竞争力.在第五章,我们考虑稀疏优化的高效率解法,提出了求解大规模LASSO问题的邻近块坐标极小化ι1-同伦（PBCM-ι1-Hom）方法和求解ι1-2极小化问题的邻近块坐标DCA ι1-同伦（PBCDCA-ι1-Hom）方法.这两个方法充分利用了稀疏优化问题的解的稀疏性以及问题的可分解结构,每次只需要求解小规模的强凸ι1正则极小化子问题.我们证明了,基于精心设计的块坐标更新方式,它们分别收敛到LASSO问题的最优解和ι1-2极小化问题的KKT点.此外,我们引入了参数自适应更新技巧和收缩技巧,提高了算法的效率.数值结果显示,与现有的先进算法相比,我们的算法在时间效率空间效率都具有明显的优势.
李记超[4]（2019）在《离散伴随和数据驱动的气动优化设计方法研究》文中指出飞行器气动外形优化设计对提高飞机的经济性、舒适性和安全性起着关键作用。随着数值模拟方法和大规模并行计算技术的发展,各类气动外形优化设计方法已经广泛应用于飞机设计的各个阶段,缩短了飞机的设计周期。本文采用自动微分、机器学习以及活跃子空间方法,开展了气动外形梯度优化设计和全局优化设计方法的研究工作,结合离散伴随方法和降阶模型提出了一种混合两步优化设计方法,提高了优化效率、全局收敛性和鲁棒性。本文主要工作和创新点如下:（1）采用自动微分发展了雷诺平均NS方程（RANS）的离散伴随方法,结合序列最小二乘二次规划方法（SLSQP）构建了能够严格处理多种约束的梯度优化框架,实现了气动外形的高效梯度优化设计。本文离散伴随方法仅在网格单元层面使用自动微分,然后循环所有网格单元构造系统雅克比矩阵,在保证精确性的同时避免了自动微分引起的内存激增问题。采用GMRES方法求解离散伴随方程,提高了求解效率,结合SLSQP梯度优化算法、RBF插值网格变形方法和多种外形参数化方法,构建了气动外形梯度优化框架。与有限差分梯度计算结果的对比验证了该离散伴随方法的正确性,翼型优化设计标准算例结果表明了该优化框架的高效性和鲁棒性。（2）基于模态表征方法构建了气动力数据库,结合机器学习算法发展了翼型精确在线气动力预测模型,采用梯度优化算法实现了亚跨音速任意翼型的快速优化设计。发展了翼型几何外形的弯度-厚度模态表征方法,采用占优模态插值方法确定高阶模态系数的上下边界,使得设计空间在包含大量实用翼型的同时将奇异翼型排除在外。采用RANS和离散伴随方法对十几万种采样翼型进行了气动力分析和梯度计算,构建了翼型气动力数据库。采用聚类算法将大量采样数据集合自动分割为多个数据簇,在每一簇中构建气动力子模型,并结合分类算法和多专家模型构建了全局气动力代理模型。大量验证结果表明该模型的气动力预测精度与RANS相近,同时基于该模型的翼型梯度优化设计能够实时完成,实现了翼型在线优化设计。（3）提出了基于离散伴随和采样光顺技术的活跃子空间快速求解方法,结合代理模型发展了一种新的高效全局优化设计方法（ASM-EGO）,实现了高维气动优化问题的高效求解。ASM-EGO采用活跃子空间方法大幅减少高维气动优化问题的设计变量个数,避免了高效全局优化设计方法的维度灾难问题。基于拉普拉斯光顺算法的采样光顺技术显着降低了求解活跃子空间对采样点的需求,同时利用离散伴随方法高效计算采样点的气动力梯度,进一步减少了计算量。对220个外形设计变量的机翼减阻优化设计结果表明这种ASM-EGO方法在高维气动优化问题中具有极高的优化效率。（4）提出了数据驱动约束函数方法,基于数据将设计经验转化为连续可微的数学约束,增强了气动外形梯度优化设计的鲁棒性。通过对大量外形数据的模态分析和相关性分析,采用混合高斯模型模拟相关模态的分布特性,利用概率密度函数实现了新外形是否满足设计经验的自动判定。以翼型和机翼外形优化中的尖前缘问题为例,提取了翼型模态约束函数以限制优化过程中翼型或机翼剖面形状。施加该约束的梯度外形优化显着改善了尖前缘问题,进一步的CFD分析表明这种数据驱动约束增强了优化设计的鲁棒性。（5）发展了本征正交分解（POD）降阶模型及其离散伴随方法,结合自动分区校正算法提出了面向全局收敛的混合两步气动外形优化设计方法,实现了气动外形精细化设计并提高了优化效率。采用Petrov-Galerkin投影方法构建了侵入式POD降阶模型,结合基于误差估计的自动分区方法对敏感计算域中的POD预测解进行CFD校正,提高了流场的求解效率和精度。推导了这种分区降阶校正流场求解方法的离散伴随方程,发展了分区降阶伴随方法,显着加快了气动力梯度的计算。提出的混合两步优化设计方法首先采用基于代理模型的非梯度优化算法进行全局寻优,基于其中的流场采样数据构建分区降阶模型,然后采用分区降阶伴随方法和梯度优化算法加速精细化优化设计过程的收敛,兼顾了全局收敛性和优化效率。二维翼型和三维机翼优化设计结果表明该混合两步优化方法具有较高的优化效率和严格的收敛性。
冯宇[5]（2018）在《气候变化影响下流域梯级水电站优化调度与系统集成应用研究》文中认为现代化工业发展进程对化石燃料的消耗和人类活动对土地植被的改变引发并加剧了全球温室效应,导致了全球大气和海洋温度的上升,引发了一系列的气候变化反应,水资源系统也受到了深刻影响。气候变化通过改变流域的降水和蒸发量,导致流域水资源在时间和空间上的分配发生改变,加剧了干旱、洪涝灾害等极端事件的危害,也给水资源管理带来一系列难题。水利工程作为水资源管理的组成部分,在水资源优化和配置中发挥了重要作用,但其安全经济运行也受到气候和环境变化的严重影响。与此同时,随着我国水电能源建设的发展,流域水电站开发规模不断扩大,对流域水资源的管理利用提出了新的要求。一方面,亟需开展梯级水电站联合优化调度研究,并探求梯级水电站整体优化建模及其模型求解方法,以提高流域水电能源综合利用率;另一方面,有待深入研究并掌握气候变化对流域水资源以及梯级水电站发电调度的影响,预测未来流域水资源变化特征以及水能发电的潜力和格局,从而能够积极应对气候变化下水电能源战略发展的新挑战,减少因气候变化所带来的损失。针对上述问题,本文围绕气候变化背景下流域梯级水电站联合发电调度开展了相关研究,重点解决不同气候变化情景模式下流域梯级水电站发电调度的响应规律,并研究气候变化背景下流域梯级水电站联合发电调度模型的高效求解方法。研究工作取得了一些有意义的研究成果,主要研究内容和成果如下:（1）研究工作首先构建了考虑未来气候变化影响的金沙江流域日径流预测模型,该模型选取GFDL-ESM2M、HADGEM2-ES、IPSL-CM5A-LR、MIROC-ESM-CHEM和NORESM1-M五种全球气候模式,结合新安江模型,预测了三种气候变化情景（RCP2.6、RCP4.5、RCP8.5）下未来30年（2021-2050）金沙江干流流量,并在此基础上采用Mann-Kendall趋势分析法分析了金沙江流域未来径流的变化特性。研究结果表明,由于气候变化情景之间的差异性,金沙江流域未来径流表现出了不同的变化趋势,其中RCP2.6和RCP4.5情景下金沙江未来径流呈上升趋势,而RCP8.5情景下未来径流呈下降趋势。分析结果可知,耦合全球气候模式的日径流预测模型能够延长预见期,有效揭示金沙江流域干流典型站点流量变化趋势,为流域梯级水电站中远期水电能源运行计划与开发规划提供数据支撑。（2）在考虑梯级水电站水力联系的基础上,探讨了水电站水位变化与梯级总发电量变化之间的关系,并据此提出了一种基于梯度信息的局部搜索策略,能够有效加快智能算法在求解水电站优化调度问题时的收敛速度。同时,针对标准的布谷鸟算法存在的局部收敛和搜索速度较慢的缺点,引入参数自适应调整策略和弹性边界策略,采用差分式Lévy飞行规则,并对原算法的种群更新策略进行了调整,有效提高了算法的求解能力。运用所提方法实现了金沙江下游梯级水电站长期发电优化调度模型的高效求解。模拟结果表明,所提出的方法收敛速度快,求解精度高,有较强的实用性。（3）以上述研究为基础,根据未来30年金沙江流域径流预测结果,预测了三种气候变化情景下未来金沙江下游四库梯级的年平均发电量变化趋势,同时针对径流预测的不确定性,引入基于蒙特卡洛-Va R的风险评估方法,可以度量指定风险状态下梯级水电站的未来年发电量。研究结果表明,在RCP2.6情景下,未来金沙江下游四库梯级的年平均发电量将有所提高,RCP4.5情景下未来年平均发电量变化情况不明显,RCP8.5情景下未来年平均发电量会有一些下降;在置信度为95%时,RCP2.6情景下金沙江下游四库梯级的未来年发电量至少会大于2129亿k Wh,RCP4.5情景下未来年发电量至少会大于2062亿k Wh,RCP8.5情景下未来年发电量至少会大于2049亿k Wh,可为金沙江流域未来水能规划布局提供参考依据。（4）围绕梯级水电站多目标发电调度问题,建立了梯级水电站多目标发电调度模型,并根据NSGA-II优化理论提出了能用于求解多目标优化问题的多目标布谷鸟算法。同时,在多目标布谷鸟算法中引入了外部档案集,并采用了自调整发散性算子策略和梯度搜索策略,有效提高了算法求解梯级水电站多目标调度问题的能力。运用所提方法实现了金沙江下游梯级水电站典型年多目标发电调度,结果表明所提出的方法收敛速度快,求解精度高。最后对金沙江未来30年内的多目标发电调度进行了模拟,结果表明RCP2.6情景下,未来30年内总发电量与保证出力之间的矛盾会有所下降;RCP4.5情景下,总发电量与保证出力的矛盾性表现增加的趋势;RCP8.5情景下,总发电量与保证出力的矛盾性没有太大的变化。（5）从梯级水电站联合优化调度的实际需求出发,确定了模型验证系统的设计方案及关键技术,完成了系统的功能与流程设计。在SOA架构的理论基础上,建立了基于SOA的系统总体架构,对模型验证系统进行了重构,降低了系统的耦合度。在此基础上,设计并开发了金沙江下游梯级水电站联合优化调度模型验证系统。系统基于B/S模式设计,通过对各模型服务的编排,将水文特性、气象预报、长中短期径流预报、中长期发电优化调度、厂内经济运行等模块按标准统一集成,完成系统核心功能的组合服务设计,最大限度地复用数据资源,减少资源浪费。同时,为了提前做好云调度平台的改造准备,研究了通用化调度模块的设计,将算法和模型有效的分离开来,提高了系统的可扩展性。
王乐[6]（2017）在《汉江中下游地区水资源优化配置研究》文中研究说明随着人口和经济社会的持续增长,人类对水资源的需求越来越大。由于水资源时空分布不均和各种不合理的开发利用方式,造成水资源供需矛盾突出,水资源优化配置是解决这一矛盾最有效的途径。在全球气候变化影响下,极端水文气象事件的频率和强度增加,水资源时空分布不均进一步加剧,以历史资料为基础的水资源配置模式,不再适用于未来水资源规划的需求。因此,开展气候变化情景下以水循环模拟为基础的水资源优化配置研究,具有重要的理论价值和现实意义。论文以汉江流域中下游地区为研究对象,主要工作和结论如下:（1）采用基于分位数的偏差校正方法,对CMIP5收录的19个GCMs进行降尺度计算,预估未来时期汉江流域的降水、气温变化。结果表明:降尺度模型对汉江流域日降水量和降水发生频率以及日最高、最低气温的模拟效果良好。在RCP4.5和RCP8.5浓度路径下,汉江流域未来时期年降雨量、最高气温、最低气温相较于基准期均呈现增加趋势;且随着辐射强迫的增强,RCP8.5情景下增长幅度大于RCP4.5情景。（2）构建了汉江流域基于9km×9km网格的分布式VIC水文模型,根据GCMs输出降尺度后的结果,模拟预测气候变化条件下汉江流域未来径流变化。结果表明:控制站年径流较基准年模拟值均呈现增加的趋势;除皇庄站外,各干流站年径流在RCP8.5情景下的增幅均高于RCP4.5情景。研究区域和丹江口入库的水资源量较基准年均有所增加,主要表现为在汛期呈现增加趋势,枯水期变化不大。（3）对现状水平年2010年的用水指标及定额校核和修正的基础上,采用指标分析法,预测汉江中下游地区各规划水平年各行业水资源需求量。结果表明:汉江中下游地区及其各计算分区的河道外总需水量,均随需水频率和规划水平的增长呈1增加的趋势。远景规划水平年城镇生活需水和农村生活需水有小幅度的增加,城镇工业需水有较大幅度的增加;在同一降水频率下,农业灌溉需水量从2020水平年至2040水平年呈减小趋势。从三级套市分区的统计角度来看,襄阳地区的需水量最大。（4）基于MIKE BASIN软件,按水资源四级区嵌套县（市）级行政区构建水资源配置模型,考虑区域内17座大中型水库的运行调度和调水工程的影响,进行汉江中下游地区水资源优化配置研究。结果表明:无论是历史时期还是未来时期,各需水频率下研究区域总缺水率逐渐增加;在同一规划水平年下,随着来水频率由丰到枯,总缺水率呈缓慢递增的趋势。对于同一需水方案,未来时期的供水缺口略小于历史时期。从用水户类型来看,城镇和农村生活需水基本不存在水资源缺口,工业、灌溉和河道内生态需水存在不同程度的缺水情况。从计算分区来看,无论是历史时期还是未来时期,汉江干流供水区均不存在缺水情况。
王金江[7]（2016）在《乘子交替方向法与函数二阶增长条件》文中提出众所周知,乘子交替方向法（ADMM）的直接推广用于求解多块可分凸优化问题时,不一定具有收敛性。这一事实激励学者们去改进ADMM算法。他们大多采用两种改进方式:第一种方式,在每一次迭代中通过简单的校正歩对直接推广的ADMM算法产生的输出进行校正。另一种方式,通过在直接推广的ADMM算法的每一个子问题中引入一个渐近项对其进行非精确求解。本文结合以上两种方式提出两个有效的求解多块可分凸优化问题的算法。此外,本文利用经典梯度法的思想,设计出一个求解更一般的非凸非光滑复合优化问题的有效算法,并且给出收敛性分析。最后,本文对渐近正则、次可微连续函数的二阶增长条件给出了若干刻画。本文主要内容概括如下:1.本文提出两个求解多块可分凸优化模型的有效方法。这两个方法能够简化子问题的求解,并保证算法的收敛性。由于这两个方法不需要等式约束中的矩阵具有列满秩性质,因此,它的应用范围更广。数值结果表明这两个方法是数值有效的。2.本文证明了在一个弱于强凸性的条件下,直接推广的乘子交替方向法用于求解三块可分凸优化问题具有收敛性。这很好地解释了为什么三块可分凸优化问题的目标函数中没有强凸函数,而乘子交替方向法却有很好的数值表现。3.本文提出了一个求解非凸非光滑复合优化问题的梯度算法。该算法通过引入复合梯度映射,构造出一个辅助问题——其目标函数是两部分的和,第一部分是原目标函数中光滑部分的线性化函数,而第二部分是原目标函数中的非光滑函数,在算法的每次迭代中通过求解这一辅助问题得到算法新的迭代点。该算法具有理论上的收敛性。4.本文证明在一定的条件下,二阶增长条件中非零常数的最紧上界可达,并且建立了渐近正则、次可微连续函数的二阶增长条件与函数次微分的强度量正则性和强度量次正则性之间的等价刻画。
李山春[8]（2011）在《生产过程稳态模型的寻优方法及应用研究》文中指出利用优化方法寻求工艺变量的最优设定值,并实时地对系统进行设定以使生产过程最优地运行,即生产过程的实时优化是当今国际过程控制领域的研究热点之一,其中稳态模型的有效寻优即获得过程控制系统的最优设定点是进行实时优化的关键。论文主要研究稳态模型的有效寻优方法及其在石油生产过程设定点优化问题中的应用,所取得的主要成果有：针对有效集策略在序列二次规划方法中求解二次规划子问题时的不足,提出了求解二次规划问题的预估校正不可行内点算法,算法对初始点的选取只有非负性要求,没有可行性要求,更没有严格可行性的要求,在理论上证明了它与一阶阻尼复合牛顿法是等价的,得到了它的快速收敛性,数值试验结果也表明了它的稳定性和有效性。基于所提出的预估校正不可行内点算法,构建了一个求解一般约束非线性规划问题的不可行内点序列二次规划方法,提出了线搜索与二次搜索自动切换的步长获取方法,给出了效益函数选取规则和Hessian阵的阻尼BFGS更新公式,用该方法优化了PID控制器参数,对最优控制和大规模优化问题的数值试验验证了方法的有效性。结合局部搜索技术和进化算法,提出了求解非线性约束优化问题全局最优解的新型混合方法。方法先由目标函数和等式及不等式约束函数构造修改增广拉格朗日函数,再利用粒子群优化对每个修改增广拉格朗日函数在界约束下进行全局寻优,并根据所得近似全局最优信息修正拉格朗日乘子和罚参数,对比数值实验验证了方法的优越性。利用石油生产过程中积累的丰富历史数据,建立了石油生产过程稳态模型,模型的参数由所提出的不可行内点序列二次规划方法寻优获得；基于石油生产企业最大化生产利润或最小化生产成本的经济指标建立了石油生产过程设定点优化模型,采用所提出的新型混合方法对所得模型进行了全局寻优,并对非均质油藏Synfield的模拟数据进行了数值仿真,结果验证了所给石油生产过程稳态模型的有效性及设定点优化为石油生产企业所带来的巨大经济效益。
熊慧娟[9]（2009）在《min-max-min规划的凝聚同伦方法及其在数据挖掘中的应用》文中认为min-max-min规划是一类重要的非光滑非凸优化问题,在工程优化设计、电子线路设计、数据挖掘等领域有着重要应用.本文的工作在已有的凝聚同伦算法的基础上进行.第一章主要介绍min-max-min规划模型及其应用背景,并回顾一些相关理论与算法.第二章提出了数值跟踪凝聚同伦的一个基于截断策略的高效率算法.在算法的每步迭代,只用到max-min函数的组成函数中的一小部分的凝聚函数,这一部分组成函数对应的下标集合在每步迭代过程中随着截断精度控制准则自适应调整.以尽可能地减少函数的梯度及海赛阵的计算量.我们给出保持校正算法的二次收敛性和预估步的有效性的截断凝聚精度控制准则,该精度控制准则不涉及梯度和海赛阵的计算.只与max-min函数的组成函数的函数值有关.基于该精度控制准则,我们证明了截断凝聚同伦算法的收敛性及每步校正的局部二次收敛性.第三章基于二次凝聚函数,对min-max-min规划构造了一种动约束函数,使得原问题的可行集可以由一个凸球约束连续形变过去,进而给出了一类新的凝聚形变同伦方法.新算法不要求可行集满足弱法锥条件,并且不要求初始点是内点.第四章基于离散化相容逼近的策略,将半无限min-max-min问题转化为有限min-max-min规划问题,再用截断凝聚同伦方法求解.可以证明:当离散点充分稠密时.离散化子问题的稳定点是原问题的6-次稳定点.第五章将半无限min-max-min问题写成一个双层规划问题.在底层问题严格凸的假设下,建立了原问题的一阶最优性条件,并构造凝聚同伦方法求解该问题.在一定条件下.可以证明通向原问题的广义KKT点的光滑同伦路径的存在性和收敛性.第六章考虑了截断凝聚同伦算法在数据挖掘的支持向量机模型求解中的一些应用.首先考虑了半监督分类问题.将已有的求解半监督分类问题的一个支持向量机模型加以变形,得到一个由max型以及max-min型的非光滑函数组合得到的无约束非光滑非凸优化问题,并构造了截断凝聚同伦算法求解该模型.其次考虑了多示例分类问题.该问题是线性min-max-min规划问题,即组成函数均为线性函数.我们证明该问题满足弱法锥条件,因此可以用截断凝聚同伦方法求解该问题.文中所有的算法,都用Matlab编程实现,并通过数值实验与已有的一些算法相比较,结果表明本文给出的算法是有效的.
王喜玲[10]（2009）在《基于预估校正法的大规模优化算法在烧结配料优化中的应用研究》文中进行了进一步梳理烧结矿一直是国内外高炉炼铁的主要原料,烧结矿质量的优劣将直接影响到炼铁生产的质量、产量及能源消耗。实际生产证明,烧结配料水平的高低,会直接影响烧结矿的质量和产量,进而影响高炉炼铁的顺利进行。因此,铁矿石烧结配料对我国的钢铁工业有重要意义。目前,由于烧结生产过程所用原料数量大,品种多,来源广,粒度及化学性质极不均一等造成配料过程复杂和配料效果难以评价,以及现有烧结配料算法存在收敛速度太慢甚至难于收敛、无法保证收敛到全局最优点等问题。因此,针对以上情况,本文设计烧结配料优化方案,以及在以下三方面进行了主要研究。（1）采用BP算法建立神经网络烧结矿质量预测模型预测烧结矿的铁品位和碱度,同时从选取训练算法和合理的激励函数等方面改进BP神经网络,建立精度较高的预测模型,以及基于预测模型和配料生产经验,采用专家规则确定配料优化模型的化学成分约束范围。（2）建立了烧结配料优化模型,并且采用基于预估校正法的大规模优化算法作为烧结配料优化算法求解。根据算法需要将配料优化问题转换为标准的线性规划问题后,详细设计预估校正法的算法思想和框架,以及从线性规划问题的转换、初始点的设置、迭代停止原则和主要迭代过程方面介绍了预估校正法的具体实现过程。（3）通过研究步长参数和中心参数,从理论上证明预估校正法具有多项式时间复杂度和超线性收敛性,以及通过分别采取预估校正法和其他配料优化算法求解一般工业标准下的一配优化模型和第二章的优化配料模型的仿真结果表明,在满足烧结矿质量指标要求的条件下,预估校正法获得的生产成本更低。
二、过程系统优化中的预估校正技巧（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、过程系统优化中的预估校正技巧（论文提纲范文）
（1）基于高斯过程回归的热工系统数据驱动建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 热工系统数据驱动建模方法研究现状 |
| 1.2.1 统计建模方法 |
| 1.2.2 神经网络建模方法 |
| 1.2.3 模糊逻辑建模方法 |
| 1.2.4 混合建模方法 |
| 1.2.5 传递函数建模方法 |
| 1.3 热工过程历史运行数据特性分析 |
| 1.4 高斯过程回归的预备知识 |
| 1.4.1 高斯过程回归方法的研究现状 |
| 1.4.2 高斯过程基本概念 |
| 1.4.3 高斯过程回归 |
| 1.4.4 高斯模型的训练 |
| 1.5 本文主要研究内容和章节安排 |
| 第2章 热工过程数据异常值处理方法研究 |
| 2.1 引言 |
| 2.2 异常值检测及校正技术 |
| 2.3 热工过程历史运行数据异常值检测 |
| 2.3.1 经验小波变换方法 |
| 2.3.2 局部离群因子算法 |
| 2.3.3 EWT-LOF异常值检测方法 |
| 2.4 异常数据校正与缺失值补全 |
| 2.4.1 Nadaraya-Watson回归 |
| 2.4.2 校正与补全方法 |
| 2.5 热工过程数据实例 |
| 2.5.1 热工过程数据异常值检测 |
| 2.5.2 热工过程数据异常值校正与缺失值补全 |
| 2.6 本章小结 |
| 第3章 热工系统稳态检测方法研究 |
| 3.1 引言 |
| 3.1.1 稳态工况的定义 |
| 3.1.2 现有稳态检测方法回顾 |
| 3.2 基于信号分解和R统计检验法的稳态检测方法 |
| 3.2.1 R统计检验法 |
| 3.2.2 稳态检测方法描述 |
| 3.2.3 仿真数据验证 |
| 3.3 热工系统稳态工况检测实例 |
| 3.3.1 单变量稳态检测 |
| 3.3.2 多变量系统稳态检测 |
| 3.4 本章小结 |
| 第4章 基于样本稀疏化和特征变量选择的GPR建模 |
| 4.1 引言 |
| 4.2 基于样本稀疏化和特征变量选择的GPR建模方法 |
| 4.2.1 基于相关系数的多测点数据融合 |
| 4.2.2 基于数据相似性和信息熵的样本稀疏化方法 |
| 4.2.3 基于LARS的特征变量选择 |
| 4.2.4 Pc-lars-s-GPR模型结构 |
| 4.3 烟气含氧量的Pc-lars-s-GPR建模 |
| 4.3.1 建模数据准备 |
| 4.3.2 样本稀疏化与特征变量选择 |
| 4.3.3 建模结果分析 |
| 4.4 本章小结 |
| 第5章 考虑输入时延的组合核函数动态GPR建模 |
| 5.1 引言 |
| 5.2 动态模型描述 |
| 5.3 考虑输入时延的组合核函数动态模型构建 |
| 5.3.1 灰色关联度分析 |
| 5.3.2 组合核函数 |
| 5.3.3 GRA-CKDGPR模型结构 |
| 5.4 烟气含氧量的GRA-CKDGPR建模 |
| 5.4.1 建模数据准备 |
| 5.4.2 建模结果分析 |
| 5.5 本章小结 |
| 第6章 基于自适应模糊聚类的多模型动态GPR建模 |
| 6.1 引言 |
| 6.1.1 多模型策略 |
| 6.1.2 数据划分策略 |
| 6.1.3 模型合成策略 |
| 6.2 一种自适应多目标模糊聚类方法 |
| 6.2.1 算法基本原理 |
| 6.2.2 基于自适应NSGA-II的动态模糊聚类方法 |
| 6.2.3 算法流程及时间复杂度分析 |
| 6.2.4 聚类实例验证 |
| 6.3 基于多模型策略的动态GPR建模方法 |
| 6.3.1 GPR动态子模型构建 |
| 6.3.2 子模型合成策略 |
| 6.3.3 基于自适应模糊聚类的多模型动态GPR模型结构 |
| 6.4 烟气含氧量的多模型建模 |
| 6.4.1 建模数据准备 |
| 6.4.2 建模结果分析 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 论文的主要工作和创新点 |
| 7.2 后续工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）基于设计的STEM+C教学培养小学生计算思维的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 时代呼唤:培养小学生计算思维能力是时代发展的呼唤 |
| 1.1.2 改革诉求:STEM融合教学培养计算思维是小学教育改革的深度诉求 |
| 1.1.3 现实困境:培养计算思维的使命与现状间的矛盾 |
| 1.2 研究问题的提出 |
| 1.3 研究意义 |
| 1.3.1 理论价值:丰富STEM教育计算思维培养的教学与学习理论 |
| 1.3.2 应用价值:指导教师开展STEM教学,促进培养小学生的计算思维能力 |
| 1.4 关键概念界定 |
| 1.4.1 计算思维 |
| 1.4.2 基于设计的STEM+C教学 |
| 1.5 研究方法 |
| 1.5.1 整体研究范式:教育设计研究(EDR) |
| 1.5.2 量性数据采样方法:经验取样法(ESM) |
| 1.5.3 质性研究方法:个案研究法 |
| 1.6 研究思路 |
| 第2章 文献综述 |
| 2.1 计算思维的文献综述 |
| 2.1.1 计算思维定义的历史发展脉络 |
| 2.1.2 计算思维定义的多元理解 |
| 2.1.3 计算思维的多维测评 |
| 2.2 STEM+C的文献综述 |
| 2.2.1 STEM+C文献综述 |
| 2.2.2 STEM+C教学培养计算思维的框架与模型文献综述 |
| 2.3 基于设计的学习——C~5学习模型的文献综述 |
| 2.3.1 C~5模型的理论基础基于设计的学习(DBL) |
| 2.3.2 C~5模型的理论模型基础——基于设计的学习模型 |
| 2.4 APT教学框架的文献综述 |
| 2.4.1 Koehler与Mishra提出的TPACK教学框架 |
| 2.4.2 Kirschner教授提出的PST教学框架 |
| 2.4.3 张屹教授提出的APT教学框架 |
| 2.5 启示与小结 |
| 2.5.1 计算思维的定义启示与小结 |
| 2.5.2 计算思维的测评启示与小结 |
| 2.5.3 STEM+C培养计算思维的框架与模型启示与小结 |
| 第3章 研究设计与工具 |
| 3.1 研究对象 |
| 3.2 测验工具的选择 |
| 3.2.1 计算思维能力与技能测评 |
| 3.2.2 计算思维认知过程测评 |
| 3.2.3 计算思维相关情感测评 |
| 3.3 研究的信度与效度 |
| 3.3.1 研究信度 |
| 3.3.2 研究效度 |
| 第4章 基于设计的STEM+C教学理论框架与模型构建 |
| 4.1 基于设计的STEM+C教学理论框架雏形的构建 |
| 4.2 STEM+C学科内容要素——内容层 |
| 4.2.1 学科要素——数学(M) |
| 4.2.2 学科要素—科学(S)与工程(E) |
| 4.2.3 学科要素——技术(T)与计算(C) |
| 4.2.4 学科要素——STEM+C跨学科融合概念 |
| 4.3 基于APT教学框架的教师教学设计要素—教学层 |
| 4.4 基于C5学习模型的学生学习流程——学习层 |
| 4.5 基于设计的教学模型:C~5与APT的融合 |
| 4.5.1 评价与社会交互(A) |
| 4.5.2 教学法与教学策略(P) |
| 4.5.3 技术与技术环境(T) |
| 4.6 计算思维为核心的学习目标——思维层 |
| 第5章 原型生成第一轮教学《智能鸭棚》 |
| 5.1 第一轮教学《智能鸭棚》研究设计 |
| 5.1.1 研究目的与研究问题 |
| 5.1.2 研究对象 |
| 5.1.3 研究步骤 |
| 5.2 《智能鸭棚》教学前端分析 |
| 5.2.1 学习者特征分析 |
| 5.2.2 学习者初始能力分析 |
| 5.2.3 教学设计培训 |
| 5.2.4 学习目标与内容分析 |
| 5.3 《智能鸭棚》教学设计 |
| 5.3.1 STEM+C学科知识融合设计 |
| 5.3.2 APT教学框架要素的设计 |
| 5.3.3 C~5学习模型过程设计 |
| 5.4 《智能鸭棚》教学具体实施 |
| 5.4.1 模块一:定义“智能鸭棚”问题情境 |
| 5.4.2 模块二:学习编程背景知识 |
| 5.4.3 模块三:头脑风暴设计智能鸭棚 |
| 5.4.4 模块四:算法编程,构建鸭棚原型,迭代完善 |
| 5.4.5 模块五:演示分享,评价反馈 |
| 5.5 第一轮教学《智能鸭棚》数据分析 |
| 5.5.1 量性数据分析 |
| 5.5.2 质性数据分析 |
| 5.6 第一轮教学反思与改进 |
| 5.6.1 C1阶段: 项目支架主导,更清晰分解抽象问题 |
| 5.6.2 C2阶段: 教师引导学习者编程过程中积极试错 |
| 5.6.3 C3阶段: 协作设计中,提供协作支架与设计支架 |
| 5.6.4 C4阶段: 设计转化为产品过程中,明确工程设计限制 |
| 5.6.5 C5阶段: 重视证据,鼓励学习者对作品进行质疑与评估 |
| 第6章 迭代完善—第二轮教学《智慧交通》 |
| 6.1 第二轮教学《智慧交通》研究设计 |
| 6.1.1 研究目的与研究问题 |
| 6.1.2 研究步骤 |
| 6.2 《智慧交通》学习目标与内容分析 |
| 6.3 《智慧交通》教学迭代设计改进 |
| 6.4 《智慧交通》教学具体实施 |
| 6.4.1 模块一: 定义“智慧交通”问题情境 |
| 6.4.2 模块二: 学习编程背景知识 |
| 6.4.3 模块三: 头脑风暴,动手设计智慧交通 |
| 6.4.4 模块四: 算法编程,构建智慧交通原型 |
| 6.4.5 模块五: 小组演示,评价反馈,分享成果 |
| 6.5 第二轮教学《智慧交通》数据分析 |
| 6.5.1 量性数据分析 |
| 6.5.2 两轮量性数据对比分析 |
| 6.5.3 质性数据分析 |
| 6.6 第二轮教学反思与改进 |
| 6.6.1 C1阶段: 聚焦问题的概括与抽象 |
| 6.6.2 C2阶段: 改进协作策略,增设一对一互助编程策略 |
| 6.6.3 C3阶段: 增设设计汇报反馈课,增加设计实施有效路径 |
| 6.6.4 C3阶段: 引入竞争协作策略,减少“搭便车” |
| 6.6.5 C4阶段: 引入试错自查表,鼓励学生试错 |
| 6.6.6 C5阶段: 增设产品评价量规,完善产品评价标准 |
| 第7章 拓展迁移第三轮教学《植物工厂》 |
| 7.1 第三轮教学《植物工厂》研究设计 |
| 7.1.1 研究目的与研究问题 |
| 7.1.2 研究对象及基本信息 |
| 7.2 《植物工厂》教学前端分析 |
| 7.2.1 学习者特征分析 |
| 7.2.2 学习者初始能力分析 |
| 7.2.3 教学设计培训 |
| 7.2.4 学习目标与内容分析 |
| 7.3 《植物工厂》教学迭代改进设计 |
| 7.3.1 STEM+C内容优化设计 |
| 7.3.2 APT教学优化设计 |
| 7.3.3 C~5学习过程优化设计 |
| 7.4 《植物工厂》教学具体实施 |
| 7.4.1 模块一: 定义真实科学问题情境,确定影响植物正常生长要素 |
| 7.4.2 模块二: 算法编程学习——物联网编程知识 |
| 7.4.3 模块二: 算法编程学习——基于植物工厂情境的物联网编程学习 |
| 7.4.4 模块三: 设计方案,演示评价,迭代完善 |
| 7.4.5 模块四: 创建原型系统,监控调试,迭代完善 |
| 7.4.6 模块五: 交流分享,反馈评价反思 |
| 7.5 第三轮教学《植物工厂》数据分析 |
| 7.5.1 整体单组前后测数据分析 |
| 7.5.2 基于经验取样法的量性数据分析 |
| 7.5.3 个案研究质性数据分析 |
| 第8章 总结与展望 |
| 8.1 研究结论 |
| 8.2 研究局限 |
| 8.3 研究展望 |
| 参考文献 |
| 附录 |
| 攻读博士期间发表的论文 |
| 致谢 |
（3）大规模二次规划和稀疏优化的分片线性同伦路径跟踪方法和分解技术（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1 绪论 |
| 1.1 二次规划 |
| 1.2 箱型约束二次规划 |
| 1.3 支持向量机 |
| 1.4 稀疏优化 |
| 1.5 本文结构 |
| 2 求解箱型约束二次规划的邻近同伦方法 |
| 2.1 引言 |
| 2.1.1 最优性条件 |
| 2.2 邻近点方法 |
| 2.3 加速邻近点方法 |
| 2.4 分片线性同伦路径跟踪方法 |
| 2.5 数值实验 |
| 2.5.1 非负最小二乘问题 |
| 2.5.2 非负矩阵分解 |
| 2.5.3 一般箱型约束二次规划 |
| 2.6 本章小结 |
| 3 求解一般二次规划的邻近增广拉格朗日同伦方法 |
| 3.1 引言 |
| 3.1.1 单纯形法 |
| 3.1.2 内点法 |
| 3.1.3 积极集法 |
| 3.1.4 增广拉格朗日法 |
| 3.2 邻近增广拉格朗日同伦方法 |
| 3.3 数值实验 |
| 3.3.1 标准测试数据集 |
| 3.3.2 模式识别 |
| 3.3.3 弹性接触问题 |
| 3.4 本章小结 |
| 4 训练大规模支持向量机的PSBCM-ALH方法 |
| 4.1 引言 |
| 4.2 邻近块坐标极小化 |
| 4.2.1 启发式选取策略和收缩技巧 |
| 4.2.2 邻近正则化 |
| 4.3 收敛分析和时间复杂度 |
| 4.3.1 收敛分析 |
| 4.3.2 时间复杂度 |
| 4.4 增广拉格朗日同伦方法 |
| 4.4.1 自适应参数 |
| 4.4.2 终止准则 |
| 4.5 数值实验 |
| 4.5.1 LIBSVM数据集 |
| 4.5.2 人脸检测 |
| 4.6 本章小结 |
| 5 求解大规模稀疏优化问题的PBCM-l_1-Hom方法 |
| 5.1 引言 |
| 5.2 邻近块坐标极小化 |
| 5.2.1 收敛分析 |
| 5.3 邻近块坐标DCA极小化 |
| 5.4 改进的l_1同伦方法 |
| 5.4.1 预热 |
| 5.4.2 ε-精度检验和校正 |
| 5.5 算法实现 |
| 5.6 数值实验 |
| 5.6.1 极小化问题 |
| 5.6.2 极小化问题 |
| 5.7 结论 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 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 |
（4）离散伴随和数据驱动的气动优化设计方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 气动优化设计的研究意义 |
| 1.2 气动优化设计方法综述 |
| 1.2.1 梯度优化设计方法 |
| 1.2.2 非梯度优化设计方法 |
| 1.2.3 基于代理模型的优化设计方法 |
| 1.2.4 混合优化设计方法 |
| 1.3 气动优化设计中的关键技术 |
| 1.3.1 几何外形参数化方法 |
| 1.3.2 网格变形方法 |
| 1.3.3 气动力梯度的计算方法 |
| 1.4 气动优化设计方法存在的问题 |
| 1.5 本文的研究内容 |
| 第二章 基于自动微分的离散伴随方法 |
| 2.1 流动控制方程的数值求解 |
| 2.1.1 有限体积离散方法 |
| 2.1.2 离散方程的分区并行求解 |
| 2.2 自动微分算法 |
| 2.2.1 正向微分和反向微分 |
| 2.2.2 自动微分工具 |
| 2.3 基于自动微分的离散伴随方程 |
| 2.3.1 离散伴随方程的推导 |
| 2.3.2 雅克比矩阵的计算 |
| 2.3.3 网格敏感度的计算 |
| 2.3.4 离散伴随方程的数值求解 |
| 2.4 伴随梯度优化设计框架 |
| 2.4.1 伴随梯度的准确性验证 |
| 2.4.2 梯度优化工具 |
| 2.4.3 气动外形梯度优化设计 |
| 2.5 本章小结 |
| 第三章 大数据驱动的翼型气动力分析与外形优化设计 |
| 3.1 翼型几何参数化的模态表征方法 |
| 3.1.1 翼型几何外形数据库 |
| 3.1.2 全翼型模态表征方法 |
| 3.1.3 弯度-厚度模态表征方法 |
| 3.1.4 两种模态表征方法的对比 |
| 3.2 设计空间的气动力数据采样 |
| 3.2.1 翼型几何模态个数的选取 |
| 3.2.2 翼型几何模态系数变化区间的确定 |
| 3.2.3 空间采样和气动力数据库 |
| 3.3 基于大数据和机器学习的气动力代理模型 |
| 3.3.1 偏最小二乘方法与梯度增强型 Kriging模型 |
| 3.3.2 机器学习多专家模型 |
| 3.4 翼型气动力代理模型的精度验证 |
| 3.4.1 随机生成翼型的气动力分析 |
| 3.4.2 翼型气动力的攻角变化分析 |
| 3.5 翼型快速优化设计方法 |
| 3.5.1 梯度优化算法 |
| 3.5.2 亚音速翼型优化设计 |
| 3.5.3 跨音速翼型优化设计 |
| 3.6 本章小结 |
| 第四章 活跃子空间方法与气动外形全局优化设计 |
| 4.1 基于代理模型的气动优化设计方法 |
| 4.1.1 高效全局优化方法(EGO) |
| 4.1.2 EGO内循环中子优化问题的高效求解 |
| 4.1.3 基于EGO的机翼减阻优化设计 |
| 4.2 活跃子空间方法 |
| 4.2.1 活跃子空间方法(ASM)的推导 |
| 4.2.2 气动优化问题中活跃子空间的快速计算 |
| 4.3 ASM-EGO优化设计方法 |
| 4.3.1 ASM-EGO的优化设计流程 |
| 4.3.2 ASM的样本个数选取 |
| 4.3.3 ASM向量个数选取 |
| 4.4 ASM-EGO在高维机翼外形优化设计中的应用 |
| 4.4.1 机翼减阻优化设计问题 |
| 4.4.2 优化设计效率分析 |
| 4.5 本章小结 |
| 第五章 数据驱动约束的气动外形梯度优化设计 |
| 5.1 气动外形梯度优化设计问题分析 |
| 5.2 数据驱动约束的提取 |
| 5.2.1 翼型数据库几何模态特征分析 |
| 5.2.2 基于混合高斯模型的数据驱动约束 |
| 5.3 数据驱动约束在翼型优化中的应用 |
| 5.4 数据驱动约束在机翼优化中的应用 |
| 5.4.1 机翼优化设计问题 |
| 5.4.2 不同约束下的优化结果 |
| 5.4.3 不同约束优化结果的气动性能分析 |
| 5.5 本章小结 |
| 第六章 基于分区降阶伴随的混合两步全局优化设计方法 |
| 6.1 流动控制方程的POD降阶模型 |
| 6.1.1 非侵入式降阶模型 |
| 6.1.2 侵入式降阶模型 |
| 6.2 基于估算误差的分区降阶模型 |
| 6.3 侵入式POD降阶模型的伴随计算方法 |
| 6.3.1 降阶模型的伴随方法 |
| 6.3.2 分区降阶模型的伴随方法 |
| 6.4 混合两步气动外形全局优化设计方法 |
| 6.4.1 混合两步气动外形优化设计流程 |
| 6.4.2 二维翼型优化设计 |
| 6.4.3 三维机翼优化设计 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 本文创新点 |
| 7.3 研究工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文和参加科研情况 |
（5）气候变化影响下流域梯级水电站优化调度与系统集成应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 选题背景与研究目标 |
| 1.3 研究现状与进展 |
| 1.4 本文主要研究内容及章节安排 |
| 2 气候变化下流域径流预测和趋势分析 |
| 2.1 引言 |
| 2.2 气候模式与新安江模型 |
| 2.3 基于气候模式与新安江模型的流域未来径流预测建模 |
| 2.4 未来气候变化条件下的金沙江径流预测与趋势分析 |
| 2.5 本章小结 |
| 3 梯级水电站发电优化调度及其高效求解方法研究 |
| 3.1 引言 |
| 3.2 梯级水电站联合发电优化调度模型 |
| 3.3 梯级水电站联合发电优化调度模型高效求解方法 |
| 3.4 金沙江梯级水电站发电联合优化调度 |
| 3.5 本章小结 |
| 4 气候变化对梯级水电站发电调度的影响及风险分析 |
| 4.1 引言 |
| 4.2 气候变化对梯级水电站群发电调度的影响 |
| 4.3 气候变化对梯级水电站群总发电量影响的风险分析 |
| 4.4 本章小结 |
| 5 气候变化情景下的梯级水电站多目标调度 |
| 5.1 引言 |
| 5.2 梯级水电站多目标调度模型 |
| 5.3 梯级水电站多目标调度模型求解方法 |
| 5.4 金沙江梯级水电站多目标发电调度 |
| 5.5 气候变化情景下的金沙江梯级水电站多目标调度 |
| 5.6 本章小结 |
| 6 基于SOA架构的梯级水电站发电联合调度系统集成 |
| 6.1 引言 |
| 6.2 系统需求与业务流程分析 |
| 6.3 关键技术架构 |
| 6.4 调度系统结构设计与通用化调度模块设计 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 主要研究成果 |
| 7.2 研究工作展望 |
| 致谢 |
| 参考文献 |
| 附录1 :攻读博士期间发表的论文 |
| 附录2 :攻读博士期间完成和参与的科研项目 |
（6）汉江中下游地区水资源优化配置研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 气候变化下水文水资源响应研究 |
| 1.2.2 流(区)域水资源配置研究 |
| 1.3 研究区域概况 |
| 1.4 技术路线及研究内容 |
| 1.4.1 技术路线 |
| 1.4.2 研究内容 |
| 第2章 汉江流域未来降水气温变化预测 |
| 2.1 全球气候模式 |
| 2.2 统计降尺度模型 |
| 2.3 降尺度模型适用性分析 |
| 2.3.1 研究数据资料及评价指标 |
| 2.3.2 日降水降尺度模型效果分析 |
| 2.3.3 日最高气温降尺度模型效果分析 |
| 2.3.4 日最低气温降尺度模型效果分析 |
| 2.4 未来降水气温预测 |
| 2.4.1 未来日降水预测 |
| 2.4.2 未来日最高气温预测 |
| 2.4.3 未来日最低气温预测 |
| 2.5 本章小结 |
| 第3章 汉江流域径流变化预测 |
| 3.1 VIC分布式水文模型及其应用检验 |
| 3.1.1 分布式水文模型VIC简介 |
| 3.1.2 分布式水文模型VIC构建 |
| 3.1.3 分布式水文模型VIC适用性检验 |
| 3.2 汉江流域未来径流变化预测 |
| 3.2.1 历史时期汉江流域径流模拟效果分析 |
| 3.2.2 汉江流域未来径流变化预测 |
| 3.3 汉江中下游地区未来水资源量预测 |
| 3.3.1 汉江中下游地区水资源分区 |
| 3.3.2 汉江中下游地区未来水资源量预测 |
| 3.4 本章小结 |
| 第4章 汉江中下游地区未来水资源需求预测 |
| 4.1 用水户及需水统计口径 |
| 4.2 需水量预测 |
| 4.2.1 生活需水量预测 |
| 4.2.2 工业需水量预测 |
| 4.2.3 农业需水量预测 |
| 4.2.4 生态需水量预测 |
| 4.3 需水预测结果 |
| 4.4 本章小结 |
| 第5章 气候变化下汉江中下游地区水资源优化配置研究 |
| 5.1 MIKE BASIN模型简介 |
| 5.2 配置模型构建 |
| 5.2.1 模型构建 |
| 5.2.2 资料输入 |
| 5.3 配置结果分析 |
| 5.3.1 历史来水条件下汉江中下游地区水资源供需分析 |
| 5.3.2 未来来水条件下汉江中下游地区水资源供需分析 |
| 5.3.3 综合分析 |
| 5.4 本章小结 |
| 第6章 结论及展望 |
| 6.1 主要工作及结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 攻读硕士期间发表的论文及参加的科研项目 |
| 致谢 |
（7）乘子交替方向法与函数二阶增长条件（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论与预备知识 |
| 1.1 课题背景 |
| 1.2 课题的研究概况及分析 |
| 1.3 预备知识 |
| 1.3.1 优化算法中用到的符号与定义 |
| 1.3.2 最优解集刻画 |
| 1.3.3 优化理论中用到的符号与定义 |
| 1.4 本文的主要研究内容以及文章结构 |
| 第2章 渐近-校正乘子交替方向法 |
| 2.1 收敛性与收敛率 |
| 2.1.1 收敛性 |
| 2.1.2 收敛率 |
| 2.2 数值模拟结果 |
| 2.2.1 恢复低秩矩阵与稀疏矩阵的模型 |
| 2.2.2 仿真实例 |
| 2.2.3 应用实例 |
| 2.3 本章小结 |
| 第3章 预估-校正乘子交替方向法与三块乘子交替方向法的收敛性 |
| 3.1 预估-校正乘子交替方向法 |
| 3.1.1 预估-校正乘子交替方向法的变分不等式刻画 |
| 3.1.2 收敛性与收敛率 |
| 3.1.3 数值模拟结果 |
| 3.2 三块乘子交替方向法的收敛性 |
| 3.2.1 收敛性 |
| 3.2.2 实例 |
| 3.3 本章小结 |
| 第4章 求解非凸复合优化问题的梯度算法 |
| 4.1 复合梯度算法 |
| 4.2 收敛性与收敛率 |
| 4.3 实例 |
| 4.4 本章小结 |
| 第5章 强度量次正则性与二阶增长条件刻画 |
| 5.1 Mordukhovich次微分的强度量次正则性的刻画 |
| 5.2 二阶增长条件刻画 |
| 5.3 二阶增长条件的二阶刻画 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（8）生产过程稳态模型的寻优方法及应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 局部优化方法研究现状 |
| 1.2.2 全局优化方法研究现状 |
| 1.2.3 混合优化方法研究现状 |
| 1.2.4 过程控制系统的设定点优化 |
| 1.3 论文的主要工作和章节安排 |
| 第二章 求解非线性约束规划问题的序列二次规划法 |
| 2.1 方法的基本思想 |
| 2.2 求解二次规划问题的有效集方法 |
| 2.3 等式约束二次规划问题的求解方法 |
| 2.3.1 直接消去法 |
| 2.3.2 广义消去法 |
| 2.3.3 拉格朗日乘子法 |
| 2.4 有效集方法求解二次规划问题实例 |
| 2.5 小结 |
| 第三章 求解二次规划问题的不可行内点方法 |
| 3.1 引言 |
| 3.2 复合牛顿法 |
| 3.3 不可行内点方法 |
| 3.4 不可行内点方法与一阶扰动复合牛顿法的等价性 |
| 3.5 数值试验 |
| 3.6 小结 |
| 第四章 不可行内点序列二次规划方法 |
| 4.1 引言 |
| 4.2 不可行内点序列二次规划方法的机理 |
| 4.3 搜索步长的确定 |
| 4.3.1 线搜索技术 |
| 4.3.2 二次搜索技术 |
| 4.3.3 线搜索与二次搜索的切换 |
| 4.4 效益函数的选取 |
| 4.4.1 线搜索的效益函数 |
| 4.4.2 二次搜索的效益函数 |
| 4.5 HESSIAN矩阵的修正 |
| 4.6 方法的终止准则 |
| 4.7 方法ⅡPMSQP的完整描述 |
| 4.8 数值试验 |
| 4.8.1 非线性约束优化问题的测试 |
| 4.8.2 PID控制器参数设计 |
| 4.9 小结 |
| 第五章 求解约束优化问题的新型混合方法 |
| 5.1 引言 |
| 5.2 新型混合方法 |
| 5.2.1 拉格朗日乘子向量的初始化和修正 |
| 5.2.2 罚参数向量的初始化和修正 |
| 5.2.3 收敛准则 |
| 5.2.4 界约束极小化子问题的求解 |
| 5.2.5 混合方法的总结 |
| 5.3 数值试验 |
| 5.4 小结 |
| 第六章 石油生产过程设定点优化问题 |
| 6.1 引言 |
| 6.2 石油生产过程模型 |
| 6.2.1 容量模型 |
| 6.2.2 石油产出模型 |
| 6.3 石油生产过程设定值优化模型 |
| 6.4 仿真试验 |
| 6.5 小结 |
| 第七章 结论与展望 |
| 7.1 全文工作总结 |
| 7.2 进一步工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间参与的科研项目和完成的学术论文 |
（9）min-max-min规划的凝聚同伦方法及其在数据挖掘中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 问题及其应用背景 |
| 1.2 相关理论与算法介绍 |
| 1.3 文章结果概要 |
| 第二章 min-max-min规划的截断凝聚同伦方法 |
| 2.1 引言 |
| 2.1.1 解M~3P的凝聚同伦算法 |
| 2.1.2 解非线性规划的截断凝聚同伦算法 |
| 2.2 解M~3p的截断凝聚同伦算法 |
| 2.2.1 截断二次凝聚函数 |
| 2.2.2 M~3P问题的截断凝聚同伦方法及收敛性 |
| 2.3 数值实验 |
| 第三章 min-max-min规划问题的凝聚形变同伦方法 |
| 3.1 引言 |
| 3.2 M~3P的凝聚形变同伦方法及其收敛性 |
| 3.3 算法实现与数值实验 |
| 3.3.1 算法 |
| 3.3.2 数值实验 |
| 3.3.3 截断凝聚形变同伦方法 |
| 第四章 半无限min-max-min规划的相容逼近截断凝聚同伦算法 |
| 4.1 SIM~3P的一阶最优性条件 |
| 4.1.1 预备知识 |
| 4.1.2 SIM~3P的一阶最优性条件 |
| 4.2 截断凝聚同伦算法求解离散化SIM~3P |
| 4.3 数值实验 |
| 第五章 半无限min-max-min规划的凝聚同伦算法 |
| 5.1 引言 |
| 5.2 SIM~3P问题双层意义下的一阶最优性条件 |
| 5.3 凝聚同伦方法求解SIM~3P的稳定点 |
| 5.4 算法实现及数值实验 |
| 5.4.1 算法 |
| 5.4.2 数值实验 |
| 5.4.3 工程优化设计应用例子 |
| 第六章 截断凝聚同伦算法在数据挖掘的支持向量机模型中的应用 |
| 6.1 背景介绍 |
| 6.2 截断凝聚同伦方法求解半监督分类问题的支持向量机模型 |
| 6.2.1 半监督分类问题的支持向量机模型 |
| 6.2.2 求解半监督分类支持向量机模型的截断凝聚同伦算法 |
| 6.2.3 截断凝聚同伦算法 |
| 6.2.4 数值实验 |
| 6.3 多示例分类问题的支持向量机模型求解 |
| 参考文献 |
| 结论 |
| 攻读博士学位期间发表学术论文情况 |
| 致谢 |
| 作者简介 |
（10）基于预估校正法的大规模优化算法在烧结配料优化中的应用研究（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 国内外研究现状 |
| 1.3 研究目标与研究内容 |
| 1.4 论文构成 |
| 第二章 配料优化方案 |
| 2.1 烧结配料及优化过程分析 |
| 2.1.1 烧结配料过程分析 |
| 2.1.2 配料优化过程分析 |
| 2.2 配料优化方案 |
| 2.2.1 总体框架 |
| 2.2.2 烧结矿质量预测模型 |
| 2.2.3 配料优化模型和优化算法 |
| 2.3 小结 |
| 第三章 烧结矿质量预测模型与专家修正方法 |
| 3.1 BP神经网络在烧结矿质量预测中的应用分析 |
| 3.2 面向烧结矿成分预测的BP神经网络建模 |
| 3.2.1 BP算法存在问题分析 |
| 3.2.2 神经网络结构设计和参数优化 |
| 3.2.3 神经网络初始化训练及其结果分析 |
| 3.3 面向烧结配料优化问题的专家规则调整策略 |
| 3.3.1 烧结矿波动的原因 |
| 3.3.2 烧结配料专家调整规则 |
| 3.3.3 专家修正方法应用实例 |
| 3.4 小结 |
| 第四章 基于预估校正法的烧结配料大规模优化算法 |
| 4.1 大规模优化算法在烧结配料优化中的应用分析 |
| 4.2 面向烧结配料优化问题的算法设计 |
| 4.2.1 算法框架 |
| 4.2.2 步长参数和中心参数 |
| 4.2.3 步长计算公式 |
| 4.2.4 算法复杂性和收敛性分析 |
| 4.3 面向烧结配料优化问题的算法实现 |
| 4.3.1 问题的转换 |
| 4.3.2 初始点 |
| 4.3.3 迭代截止原则 |
| 4.3.4 主要迭代过程 |
| 4.4 运行结果 |
| 4.4.1 工业标准优化模型 |
| 4.4.2 配料优化方案的优化模型 |
| 4.5 小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要的研究成果 |
四、过程系统优化中的预估校正技巧（论文参考文献）
- [1]基于高斯过程回归的热工系统数据驱动建模研究[D]. 贾昊. 华北电力大学(北京), 2020(06)
- [2]基于设计的STEM+C教学培养小学生计算思维的研究[D]. 李幸. 华中师范大学, 2020(02)
- [3]大规模二次规划和稀疏优化的分片线性同伦路径跟踪方法和分解技术[D]. 王国强. 大连理工大学, 2019(01)
- [4]离散伴随和数据驱动的气动优化设计方法研究[D]. 李记超. 西北工业大学, 2019(02)
- [5]气候变化影响下流域梯级水电站优化调度与系统集成应用研究[D]. 冯宇. 华中科技大学, 2018
- [6]汉江中下游地区水资源优化配置研究[D]. 王乐. 武汉大学, 2017(07)
- [7]乘子交替方向法与函数二阶增长条件[D]. 王金江. 哈尔滨工业大学, 2016(02)
- [8]生产过程稳态模型的寻优方法及应用研究[D]. 李山春. 中南大学, 2011(12)
- [9]min-max-min规划的凝聚同伦方法及其在数据挖掘中的应用[D]. 熊慧娟. 大连理工大学, 2009(11)
- [10]基于预估校正法的大规模优化算法在烧结配料优化中的应用研究[D]. 王喜玲. 中南大学, 2009(04)