| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-21页 |
| 1．1 引言 | 第11页 |
| 1．2 多目标优化问题 | 第11-12页 |
| 1．3 遗传算法的产生和发展 | 第12-15页 |
| 1．4 多目标遗传算法的发展 | 第15-17页 |
| 1．5 非支配排序遗传算法概述 | 第17-19页 |
| 1．6 本文所作的工作 | 第19-21页 |
| 1．6．1 基本思想 | 第19页 |
| 1．6．2 内容安排 | 第19-21页 |
| 第二章 遗传算法基本原理和方法 | 第21-33页 |
| 2．1 遗传算法的基本原理 | 第21页 |
| 2．2 遗传算法的一般流程 | 第21-23页 |
| 2．3 遗传算法的编码方式 | 第23-25页 |
| 2．4 适应度函数及其尺度变换 | 第25-27页 |
| 2．4．1 适应度函数 | 第25页 |
| 2．4．2 适应度函数的尺度变换 | 第25-27页 |
| 2．5 遗传算法的基本算子 | 第27-30页 |
| 2．5．1 选择算子 | 第27-28页 |
| 2．5．2 交叉算子 | 第28-30页 |
| 2．5．3 变异算子 | 第30页 |
| 2．6 遗传算法的特点及研究内容 | 第30-32页 |
| 2．6．1 遗传算法的特点 | 第30-31页 |
| 2．6．2 研究内容 | 第31-32页 |
| 2．7 本章小结 | 第32-33页 |
| 第三章 非支配排序遗传算法(NSGA)及NSGA-Ⅱ | 第33-43页 |
| 3．1 多目标优化问题的数学描述 | 第33页 |
| 3．2 基本概念 | 第33-35页 |
| 3．2．1 Pareto支配关系 | 第33-34页 |
| 3．2．2 Pareto最优解定义 | 第34-35页 |
| 3．3 非支配排序遗传算法(NSGA) | 第35-37页 |
| 3．3．1 基本原理 | 第35-36页 |
| 3．3．2 一般流程 | 第36-37页 |
| 3．4 带精英策略的非支配排序的遗传算法(NSGA-Ⅱ) | 第37-42页 |
| 3．4．1 快速非支配排序方法 | 第37-39页 |
| 3．4．2 确定拥挤度 | 第39-40页 |
| 3．4．3 拥挤度比较算子 | 第40页 |
| 3．4．4 NSGA-Ⅱ算法主流程 | 第40-42页 |
| 3．5 本章小结 | 第42-43页 |
| 第四章 NSGA-Ⅱ在变结构控制系统中的应用 | 第43-53页 |
| 4．1 变结构控制研究概述 | 第43-45页 |
| 4．1．1 变结构控制系统的基本概念 | 第43-45页 |
| 4．1．2 变结构控制系统的不变性和抖振问题 | 第45页 |
| 4．2 变结构控制基本原理 | 第45-48页 |
| 4．2．1 变结构控制的三个要素 | 第45-47页 |
| 4．2．2 基本原理 | 第47-48页 |
| 4．3 基于NSGA-Ⅱ的变结构控制方法 | 第48-50页 |
| 4．4 仿真结果 | 第50-52页 |
| 4．5 本章小结 | 第52-53页 |
| 第五章 基于NSGA-Ⅱ与回归支持向量机的函数逼近方法 | 第53-69页 |
| 5．1 支持向量机概述 | 第54-57页 |
| 5．1．1 结构风险最小化准则 | 第54-56页 |
| 5．1．2 支持向量机基本思想 | 第56-57页 |
| 5．1．3 支持向量机的特点 | 第57页 |
| 5．2 支持向量机回归算法原理 | 第57-61页 |
| 5．2．1 线性可分情况 | 第57-59页 |
| 5．2．2 线性不可分情况 | 第59-61页 |
| 5．3 基于NSGA-Ⅱ与回归支持向量机的函数拟合方法 | 第61-64页 |
| 5．3．1 确定目标函数 | 第61-62页 |
| 5．3．2 选取核函数 | 第62-63页 |
| 5．3．3 个体表示方法 | 第63-64页 |
| 5．4 仿真结果 | 第64-68页 |
| 5．5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6．1 总结 | 第69-70页 |
| 6．2 展望 | 第70-71页 |
| 参考文献 | 第71-78页 |
| 致谢 | 第78-79页 |
| 作者攻读硕士学位期间完成的学术论文 | 第79-80页 |
| 科研情况 | 第80页 |
