基于計(jì)算智能的產(chǎn)品概念設(shè)計(jì)及應(yīng)用

內(nèi)容概要

　　《基于計(jì)算智能的產(chǎn)品概念設(shè)計(jì)及應(yīng)用》以神經(jīng)網(wǎng)絡(luò)、模糊理論和進(jìn)化算法等計(jì)算智能技術(shù)作為支撐技術(shù)，與物理規(guī)劃、數(shù)據(jù)包絡(luò)分析、層次分析法、多目標(biāo)優(yōu)化和決策等相關(guān)技術(shù)交叉融合，作為問(wèn)題求解工具，對(duì)機(jī)械產(chǎn)品概念設(shè)計(jì)最優(yōu)方案的求解問(wèn)題進(jìn)行了深入的研究。針對(duì)方案求解中易出現(xiàn)的組合爆炸現(xiàn)象，研究了多方案生成中的組合優(yōu)化設(shè)計(jì)問(wèn)題，針對(duì)設(shè)計(jì)信息難以確定的特點(diǎn)，重點(diǎn)研究幾種不同應(yīng)用條件下指標(biāo)和權(quán)重信息具有不完全性、未確知性和模糊性的最優(yōu)方案評(píng)價(jià)問(wèn)題。對(duì)每一研究問(wèn)題，均提出了相應(yīng)的求解模型和方法，并給出了工程應(yīng)用算例。

書籍目錄

第1章 緒論 1.1 現(xiàn)代機(jī)械設(shè)計(jì)概述 1.1.1 現(xiàn)代機(jī)械設(shè)計(jì)的概念 1.1.2 現(xiàn)代機(jī)械設(shè)計(jì)的特點(diǎn)、類型和流程 1.1.3 現(xiàn)代機(jī)械設(shè)計(jì)方法 1.2 機(jī)械產(chǎn)品概念設(shè)計(jì)概述 1.2.1 產(chǎn)品概念設(shè)計(jì)的內(nèi)涵 1.2.2 產(chǎn)品概念設(shè)計(jì)的基本特征 1.2.3 概念設(shè)計(jì)的層次和地位 1.2.4 產(chǎn)品概念設(shè)計(jì)的關(guān)鍵問(wèn)題 1.3 國(guó)內(nèi)外產(chǎn)品概念設(shè)計(jì)方案求解研究現(xiàn)狀 1.3.1 方案生成方法研究現(xiàn)狀 1.3.2 方案評(píng)價(jià)方法研究現(xiàn)狀 本章小結(jié) 第2章 產(chǎn)品概念設(shè)計(jì)與計(jì)算智能技術(shù) 2.1 產(chǎn)品概念設(shè)計(jì)的一般過(guò)程 2.2 產(chǎn)品概念設(shè)計(jì)的基本內(nèi)容 2.2.1 概念設(shè)計(jì)方案生成的基本內(nèi)容 2.2.2 概念設(shè)計(jì)方案評(píng)價(jià)的基本內(nèi)容 2.3 概念設(shè)計(jì)的體系結(jié)構(gòu)和支撐技術(shù) 2.4 計(jì)算智能的起源和內(nèi)涵 2.4.1 計(jì)算智能的提出 2.4.2 計(jì)算智能的內(nèi)涵 2.5 計(jì)算智能的內(nèi)容和方法 2.5.1 模糊理論 2.5.2 人工神經(jīng)網(wǎng)絡(luò) 2.5.3 進(jìn)化算法 2.6 計(jì)算智能在概念設(shè)計(jì)中的應(yīng)用 2.6.1 計(jì)算智能技術(shù)與概念設(shè)計(jì)結(jié)合的原因 2.6.2 基于計(jì)算智能的概念設(shè)計(jì)研究進(jìn)展 2.6.3 當(dāng)前概念設(shè)計(jì)研究中存在的問(wèn)題和不足 本章小結(jié) 第3章 基于生物進(jìn)化算法的方案生成方法及應(yīng)用 3.1 預(yù)備知識(shí) 3.1.1 遺傳算法的基本原理和方法實(shí)現(xiàn) 3.1.2 蟻群算法的基本原理和方法實(shí)現(xiàn) 3.2 方案求解問(wèn)題的本質(zhì) 3.2.1 方案求解問(wèn)題的數(shù)學(xué)描述 3.2.2 基于優(yōu)化的方案求解過(guò)程模型 3.3 基于生物遺傳算法的方案生成模型 3.3.1 功能載體知識(shí)庫(kù)的建立 3.3.2 遺傳算法的求解策略和流程 3.3.3 遺傳算法的關(guān)鍵問(wèn)題 3.3.4 標(biāo)準(zhǔn)遺傳算法的改進(jìn) 3.3.5 應(yīng)用實(shí)例 本節(jié)小結(jié) 3.4 基于生物蟻群算法的方案生成模型 3.4.1 方案求解問(wèn)題的蟻群算法模式 3.4.2 基于組合最優(yōu)的方案求解模型 3.4.3 基于整體最優(yōu)的方案求解模型 3.4.4 蟻群算法的實(shí)施和改進(jìn) 3.4.5 應(yīng)用實(shí)例 本節(jié)小結(jié) 第4章 基于模糊集合理論的方案評(píng)價(jià)方法及應(yīng)用 4.1 模糊集合的基本理論 4.2 基于模糊物理規(guī)劃的方案評(píng)價(jià)模型 4.2.1 物理規(guī)劃 4.2.2 模糊物理規(guī)劃的方案決策模型 4.2.3 模糊物理規(guī)劃的交互式?jīng)Q策 4.2.4 應(yīng)用實(shí)例 本節(jié)小結(jié) 4.3 基于模糊數(shù)據(jù)包絡(luò)分析的方案評(píng)價(jià)模型 4.3.1 數(shù)據(jù)包絡(luò)分析 4.3.2 確定型DEA評(píng)價(jià)的原理和方法 4.3.3 模糊DEA評(píng)價(jià)的模型與方法 4.3.4 應(yīng)用實(shí)例 本節(jié)小結(jié) 4.4 基于FAHP的多人多準(zhǔn)則方案評(píng)價(jià)模型 4.4.1 基于三標(biāo)度法的模糊層次分析法 4.4.2 基于模糊數(shù)加權(quán)距離最小的群體權(quán)重的集成 4.4.3 模糊數(shù)效用值排序規(guī)則 4.4.4 群體多準(zhǔn)則FAHP評(píng)價(jià)模型 4.4.5 應(yīng)用實(shí)例 本節(jié)小結(jié) 4.5 基于多目標(biāo)Pareto最優(yōu)的方案決策模型 4.5.1 預(yù)備知識(shí) 4.5.2 基于最小sPareto邊界的方案決策模型 4.5.3 考慮不確定性因素的方案選擇 4.5.4 應(yīng)用實(shí)例 本節(jié)小結(jié) 第5章 基于神經(jīng)網(wǎng)絡(luò)的方案評(píng)價(jià)方法和應(yīng)用 5.1 機(jī)構(gòu)方案選型問(wèn)題 5.2 基于BP和LVQ神經(jīng)網(wǎng)絡(luò)的機(jī)構(gòu)選型決策模型 5.2.1 神經(jīng)網(wǎng)絡(luò)模型的決策原理 5.2.2 特征因素值的模糊量化 5.2.3 BP神經(jīng)網(wǎng)絡(luò)決策模型的建立 5.2.4 LVQ神經(jīng)網(wǎng)絡(luò)決策模型的建立 5.2.5 兩種神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練和仿真 5.2.6 應(yīng)用實(shí)例 本節(jié)小結(jié) 5.3 基于ART神經(jīng)網(wǎng)絡(luò)的機(jī)構(gòu)選型決策模型 5.3.1 機(jī)構(gòu)的編碼 5.3.2 自適應(yīng)共振理論 5.3.3 基于ART1網(wǎng)絡(luò)的機(jī)構(gòu)動(dòng)態(tài)分類和決策 5.3.4 應(yīng)用實(shí)例 本節(jié)小結(jié) 第6章 基于混合計(jì)算智能的方案求解模型及應(yīng)用 6.1 混合計(jì)算智能技術(shù) 6.2 基于混合計(jì)算智能的概念設(shè)計(jì)過(guò)程模型 6.2.1 基于混合計(jì)算智能的方案求解策略 6.2.2 基于混合計(jì)算智能的概念設(shè)計(jì)過(guò)程模型 6.2.3 基于混合計(jì)算智能的求解模型 6.3 基于遺傳算法的滿意方案的生成 6.4 基于多級(jí)模糊神經(jīng)網(wǎng)絡(luò)最優(yōu)方案的評(píng)價(jià) 6.4.1 評(píng)價(jià)指標(biāo)體系 6.4.2 模糊神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)流程及原理 6.4.3 模糊神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的結(jié)構(gòu) 6.4.4 模糊神經(jīng)網(wǎng)絡(luò)的遺傳學(xué)習(xí) 6.4.5 多級(jí)神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的建立 6.5 應(yīng)用實(shí)例 6.5.1 應(yīng)用實(shí)例1 6.5.2 應(yīng)用實(shí)例2 本章小結(jié) 參考文獻(xiàn) 

圖書封面

圖書標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    基于計(jì)算智能的產(chǎn)品概念設(shè)計(jì)及應(yīng)用 PDF格式下載

---