Allen-Cahn 方程作为描述相分离、界面演化的核心相场模型，其解在界面处呈现多非常陡峭的梯度变化，传统物理信息神经网络（PINN）因仅依赖方程残差约束，难以精准捕捉此类高频、高梯度特征，存在求解精度不足、训练效率低下等问题。梯度增强物理信息神经网络（gPINN）通过引入方程残差的梯度信息构建增强损失函数，为解决该难题提供了有效路径。

针对工业过程中普遍存在的无精确数学模型、强非线性、强耦合、参数时变等控制难题，本文以无模型自适应控制（MFAC）为核心研究对象，基于紧致格式动态线性化（CFDL）、偏格式动态线性化（PFDL）、全格式动态线性化（FFDL）三类核心框架，系统阐述单输入单输出（SISO）与多输入多输出（MIMO）非线性系统的无模型自适应控制理论、伪参数估计机制及自适应控制律设计方法。

针对工业过程中普遍存在的无精确数学模型、强非线性、强耦合、参数时变等控制难题，本文以无模型自适应控制（MFAC）为核心研究对象，基于紧致格式动态线性化（CFDL）、偏格式动态线性化（PFDL）、全格式动态线性化（FFDL）三类核心框架，系统阐述单输入单输出（SISO）与多输入多输出（MIMO）非线性系统的无模型自适应控制理论、伪参数估计机制及自适应控制律设计方法。

针对航天器末端追逃场景中存在的信息不完全问题，本文提出一种基于扩展卡尔曼滤波（EKF）的参数估计与自适应博弈策略。通过将逃逸航天器的未知控制矩阵参数扩展为状态变量，构建非线性系统模型，利用EKF在线估计目标参数并动态调整追踪策略。理论分析表明，该策略满足Epsilon纳什均衡条件，仿真实验验证了其在有限时间内实现快速拦截的有效性，且参数估计误差随时间收敛至零。研究为不完全信息条件下的航天器博弈提供

针对工业过程中普遍存在的无精确数学模型、强非线性、强耦合、参数时变等控制难题，本文以无模型自适应控制（MFAC）为核心研究对象，基于紧致格式动态线性化（CFDL）、偏格式动态线性化（PFDL）、全格式动态线性化（FFDL）三类核心框架，系统阐述单输入单输出（SISO）与多输入多输出（MIMO）非线性系统的无模型自适应控制理论、伪参数估计机制及自适应控制律设计方法。

针对航天器末端追逃场景中存在的信息不完全问题，本文提出一种基于扩展卡尔曼滤波（EKF）的参数估计与自适应博弈策略。通过将逃逸航天器的未知控制矩阵参数扩展为状态变量，构建非线性系统模型，利用EKF在线估计目标参数并动态调整追踪策略。理论分析表明，该策略满足Epsilon纳什均衡条件，仿真实验验证了其在有限时间内实现快速拦截的有效性，且参数估计误差随时间收敛至零。研究为不完全信息条件下的航天器博弈提供

本文针对六类典型非线性系统，系统研究了无模型自适应控制（MFAC）的三种动态线性化方法——紧格式动态线性化（CFDL）、偏格式动态线性化（PFDL）和全格式动态线性化（FFDL）在单输入单输出（SISO）和双输入双输出（MIMO）系统中的实现机制。通过构建伪偏导数（PPD）、伪梯度向量和伪雅克比矩阵的在线估计算法，实现了复杂非线性系统的轨迹跟踪控制。仿真结果表明，FFDL-MIMO方法在多变量耦合

针对航天器末端追逃场景中存在的信息不完全问题，本文提出一种基于扩展卡尔曼滤波（EKF）的参数估计与自适应博弈策略。通过将逃逸航天器的未知控制矩阵参数扩展为状态变量，构建非线性系统模型，利用EKF在线估计目标参数并动态调整追踪策略。理论分析表明，该策略满足Epsilon纳什均衡条件，仿真实验验证了其在有限时间内实现快速拦截的有效性，且参数估计误差随时间收敛至零。研究为不完全信息条件下的航天器博弈提供

混合流水车间调度问题（Hybrid Flow Shop Scheduling Problem with Workers, HFSSPW）是经典混合流水车间调度（HFSP）的扩展，引入了工人资源约束与多目标优化需求。针对传统算法在处理工人技能匹配、工序并行性及多目标冲突时的局限性，本文提出一种融合启发式解码策略的多目标进化算法。该算法通过动态工人分配规则、基于关键路径的邻域搜索与多目标适应度评估机制

混合流水车间调度问题（Hybrid Flow Shop Scheduling Problem with Workers, HFSSPW）是经典混合流水车间调度（HFSP）的扩展，引入了工人资源约束与多目标优化需求。针对传统算法在处理工人技能匹配、工序并行性及多目标冲突时的局限性，本文提出一种融合启发式解码策略的多目标进化算法。该算法通过动态工人分配规则、基于关键路径的邻域搜索与多目标适应度评估机制