1. 智能控制概论 2. 模糊控制 3.神经元网络控制 4.模糊-神经网络控制 5.遗传算法 6.递阶智能控制理论

10.1 非线性规划的挑战 10.2 边际收益递减的非线性规划 10.3 可分离规划 10.4 复杂非线性规划问题 10.5 Evolutionary Solver 软件和遗传算法（了解即可） 10.6 小结

关于优化问题比较：传统的优化方法 （1）依赖于初始条件。 （2）与求解空间有紧密关系，促使较快地收敛到局部解，但同时对解域有约束，如可微或连续。利用这些约束，收敛快

本章对目前常用的几种智能优化计算算法作简单介绍,以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略

1.智能控制概论 2.模糊控制 3.神经元网络控制 4.模糊-神经网络控制 5.遗传算法 6.递阶智能控制理论

西安交通大学：智能控制概论-智能控制理论与方法_遗传算法（GA）

《机器学习》课程配套教学电子教案（PPT课件讲稿）第9章 遗传算法

【机器学习】一种基于模板缩减的新型粒子群遗传聚类算法

【智能系统】一种面向维修资源配送调度的遗传-烟花混合算法

利用Gleeble-1500热模拟试验机对6111铝合金进行高温拉伸试验,研究了其在变形温度为350、450和550℃以及应变速率为0.1、1和10 s-1时的热变形行为.6111铝合金的流变应力随温度升高而减小,随应变速率增大而增大,其热变形从应变硬化阶段过渡到稳态变形阶段.建立了综合考虑应变、温度和应变速率对流变应力的影响以及耦合位错密度的统一黏塑性本构模型,并通过遗传优化算法求解出本构模型中的材料常数.模型计算得到的真应力-真应变曲线与试验数据吻合较好