《基於計算智慧型的產品概念設計及套用》是2011年5月1日電子工業出版社出版的一本圖書，作者是薄瑞峰。
基本介紹
- 中文名：基於計算智慧型的產品概念設計及套用
- 作者：薄瑞峰
- 出版社：電子工業出版社
- 出版時間：2011年5月1日
- 頁數：176 頁
- 定價：36 元
- 裝幀：平裝
- ISBN：7121134047, 9787121134043
內容簡介,目錄,
內容簡介
本書以神經網路、模糊理論和進化算法等計算智慧型技術作為支撐技術，與物理規劃、數據包絡分析、層次分析法、多目標最佳化和決策等相關技術交叉融合，作為問題求解工具，對機械產品概念設計最優方案的求解問題進行了深入的研究。針對方案求解中易出現的組合爆炸現象，研究了多方案生成中的組合最佳化設計問題，針對設計信息難以確定的特點，重點研究幾種不同套用條件下指標和權重信息具有不完全性、未確知性和模糊性的最優方案評價問題。對每一研究問題，均提出了相應的求解模型和方法，並給出了工程套用算例。
目錄
目 錄
第1章 緒論 1
1.1 現代機械設計概述 1
1.1.1 現代機械設計的概念 1
1.1.2 現代機械設計的特點、類型和流程 2
1.1.3 現代機械設計方法 4
1.2 機械產品概念設計概述 5
1.2.1 產品概念設計的內涵 6
1.2.2 產品概念設計的基本特徵 7
1.2.3 概念設計的層次和地位 8
1.2.4 產品概念設計的關鍵問題 9
1.3 國內外產品概念設計方案求解研究現狀 10
1.3.1 方案生成方法研究現狀 10
1.3.2 方案評價方法研究現狀 14
本章小結 19
第2章 產品概念設計與計算智慧型技術 20
2.1 產品概念設計的一般過程 20
2.2 產品概念設計的基本內容 21
2.2.1 概念設計方案生成的基本內容 21
2.2.2 概念設計方案評價的基本內容 23
2.3 概念設計的體系結構和支撐技術 25
2.4 計算智慧型的起源和內涵 27
2.4.1 計算智慧型的提出 27
2.4.2 計算智慧型的內涵 28
2.5 計算智慧型的內容和方法 28
2.5.1 模糊理論 29
2.5.2 人工神經網路 29
2.5.3 進化算法 31
2.6 計算智慧型在概念設計中的套用 32
2.6.1 計算智慧型技術與概念設計結合的原因 32
2.6.2 基於計算智慧型的概念設計研究進展 32
2.6.3 當前概念設計研究中存在的問題和不足 33
本章小結 34
第3章 基於生物進化算法的方案生成方法及套用 35
3.1 預備知識 36
3.1.1 遺傳算法的基本原理和方法實現 36
3.1.2 蟻群算法的基本原理和方法實現 38
3.2 方案求解問題的本質 40
3.2.1 方案求解問題的數學描述 40
3.2.2 基於最佳化的方案求解過程模型 41
3.3 基於生物遺傳算法的方案生成模型 42
3.3.1 功能載體知識庫的建立 42
3.3.2 遺傳算法的求解策略和流程 43
3.3.3 遺傳算法的關鍵問題 44
3.3.4 標準遺傳算法的改進 48
3.3.5 套用實例 50
本節小結 51
3.4 基於生物蟻群算法的方案生成模型 52
3.4.1 方案求解問題的蟻群算法模式 52
3.4.2 基於組合最優的方案求解模型 53
3.4.3 基於整體最優的方案求解模型 55
3.4.4 蟻群算法的實施和改進 56
3.4.5 套用實例 59
本節小結 65
第4章 基於模糊集合理論的方案評價方法及套用 66
4.1 模糊集合的基本理論 66
4.2 基於模糊物理規劃的方案評價模型 70
4.2.1 物理規劃 71
4.2.2 模糊物理規劃的方案決策模型 75
4.2.3 模糊物理規劃的互動式決策 77
4.2.4 套用實例 81
本節小結 84
4.3 基於模糊數據包絡分析的方案評價模型 84
4.3.1 數據包絡分析 85
4.3.2 確定型DEA評價的原理和方法 86
4.3.3 模糊DEA評價的模型與方法 87
4.3.4 套用實例 89
本節小結 91
4.4 基於FAHP的多人多準則方案評價模型 91
4.4.1 基於三標度法的模糊層次分析法 92
4.4.2 基於模糊數加權距離最小的群體權重的集成 94
4.4.3 模糊數效用值排序規則 95
4.4.4 群體多準則FAHP評價模型 97
4.4.5 套用實例 100
本節小結 103
4.5 基於多目標Pareto最優的方案決策模型 104
4.5.1 預備知識 104
4.5.2 基於最小sPareto邊界的方案決策模型 107
4.5.3 考慮不確定性因素的方案選擇 111
4.5.4 套用實例 113
本節小結 118
第5章 基於神經網路的方案評價方法和套用 119
5.1 機構方案選型問題 120
5.2 基於BP和LVQ神經網路的機構選型決策模型 121
5.2.1 神經網路模型的決策原理 121
5.2.2 特徵因素值的模糊量化 122
5.2.3 BP神經網路決策模型的建立 123
5.2.4 LVQ神經網路決策模型的建立 128
5.2.5 兩種神經網路模型的訓練和仿真 130
5.2.6 套用實例 131
本節小結 132
5.3 基於ART神經網路的機構選型決策模型 132
5.3.1 機構的編碼 132
5.3.2 自適應共振理論 137
5.3.3 基於ART1網路的機構動態分類和決策 139
5.3.4 套用實例 141
本節小結 143
第6章 基於混合計算智慧型的方案求解模型及套用 144
6.1 混合計算智慧型技術 144
6.2 基於混合計算智慧型的概念設計過程模型 145
6.2.1 基於混合計算智慧型的方案求解策略 145
6.2.2 基於混合計算智慧型的概念設計過程模型 146
6.2.3 基於混合計算智慧型的求解模型 147
6.3 基於遺傳算法的滿意方案的生成 149
6.4 基於多級模糊神經網路最優方案的評價 149
6.4.1 評價指標體系 150
6.4.2 模糊神經網路評價流程及原理 151
6.4.3 模糊神經網路評價模型的結構 152
6.4.4 模糊神經網路的遺傳學習 154
6.4.5 多級神經網路評價模型的建立 155
6.5 套用實例 156
6.5.1 套用實例1 156
6.5.2 套用實例2 161
本章小結 163
參考文獻 164
