| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 多目标优化问题的数学模型及相关概念 | 第10-11页 |
| 1.3 多目标优化算法的研究现状 | 第11-13页 |
| 1.4 论文主要研究工作及内容安排 | 第13-17页 |
| 第2章 粒子群优化算法 | 第17-22页 |
| 2.1 引言 | 第17页 |
| 2.2 算法原理及数学模型 | 第17-19页 |
| 2.2.1 原始的粒子群模型 | 第17-18页 |
| 2.2.2 改进的粒子群模型 | 第18-19页 |
| 2.3 算法流程 | 第19-20页 |
| 2.4 多目标粒子群算法发展研究现状 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于多策略的多目标粒子群算法 | 第22-34页 |
| 3.1 引言 | 第22-23页 |
| 3.2 基于多策略的改进方法 | 第23-28页 |
| 3.2.1 基于Pareto支配关系的局部最优粒子选取 | 第23-24页 |
| 3.2.2 基于两策略的速度更新方式 | 第24页 |
| 3.2.3 混合斯变异策略 | 第24-25页 |
| 3.2.4 基于指标的外部档案更新和全局最优粒子选取策略 | 第25-28页 |
| 3.3 M-MOPSO算法的主要流程 | 第28-29页 |
| 3.4 实验分析 | 第29-33页 |
| 3.4.1 测试问题及参数设定 | 第29-30页 |
| 3.4.2 算法性能的评价指标 | 第30-31页 |
| 3.4.3 对测试问题的实验比较 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于ε~+指标和方向向量的多目标粒子群算法 | 第34-72页 |
| 4.1 引言 | 第34页 |
| 4.2 基于ε~+指标和方向向量的方法分析 | 第34-36页 |
| 4.2.1 二元ε~+指标的定义及分析 | 第34-35页 |
| 4.2.2 方向向量的定义及分析 | 第35-36页 |
| 4.3 IDMOPSO算法的主要流程 | 第36-37页 |
| 4.4 IDMOPSO算法的关键算子 | 第37-43页 |
| 4.4.1 粒子跳出搜索空间的处理 | 第37-38页 |
| 4.4.2 个体极值的选取 | 第38-40页 |
| 4.4.3 全局极值的选取 | 第40-42页 |
| 4.4.4 外部文档更新和维护 | 第42-43页 |
| 4.5 实验设计 | 第43-68页 |
| 4.5.1 测试问题 | 第43-44页 |
| 4.5.2 所有比较算法参数的设定 | 第44-45页 |
| 4.5.3 算法性能的评价方式 | 第45页 |
| 4.5.4 求解DTLZ及DTLZ~(-1)系列问题的结果分析与比较 | 第45-55页 |
| 4.5.5 求解WFG及WFG~(-1)系列问题的结果分析与比较 | 第55-68页 |
| 4.6 对IDMOPSO关键算子的讨论 | 第68-70页 |
| 4.6.1 个体极值的选取策略讨论及实验分析 | 第68-69页 |
| 4.6.2 全局极值的选取策略讨论及实验分析 | 第69-70页 |
| 4.6.3 个外部文档更新和维护策略讨论及实验分析 | 第70页 |
| 4.7 本章小结 | 第70-72页 |
| 第5章 总结与展望 | 第72-75页 |
| 5.1 全文工作总结 | 第72-73页 |
| 5.2 未来工作展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间的研究成果 | 第81页 |
