| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-15页 |
| ·论文课题意义 | 第8-9页 |
| ·课题研究现状 | 第9-13页 |
| ·本文组织结构 | 第13-15页 |
| 第2章 粒子群算法 | 第15-24页 |
| ·粒子群算法简介 | 第15-16页 |
| ·基本粒子群算法 | 第16-17页 |
| ·粒子群算法流程 | 第17-18页 |
| ·粒子群算法的改进 | 第18-22页 |
| ·带惯性权重的粒子群算法 | 第18-19页 |
| ·带收缩因子的粒子群算法 | 第19-20页 |
| ·利用遗传思想改进粒子群算法 | 第20-21页 |
| ·二进制离散粒子群优化算法 | 第21页 |
| ·小生境粒子群优化算法 | 第21-22页 |
| ·粒子群算法的应用 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 多目标优化算法 | 第24-32页 |
| ·多目标优化的概念 | 第24-25页 |
| ·多目标遗传算法(MOGA) | 第25-26页 |
| ·改进型非支配排序遗传算法(NSGA-II) | 第26-27页 |
| ·改进型强度Pareto 进化算法(SPEA2) | 第27-28页 |
| ·多目标粒子群算法(MOPSO) | 第28-30页 |
| ·基于在线归档的MOPSO 算法 | 第28-29页 |
| ·基于密度熵的MOPSO 算法 | 第29-30页 |
| ·基于密集距离的MOPSO 算法 | 第30页 |
| ·多目标优化算法改进的方向 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 改进的多目标粒子群算法 | 第32-44页 |
| ·算法过程描述 | 第32-34页 |
| ·Pareto 最优解的保留策略 | 第34-35页 |
| ·全局最优位置的选取策略 | 第35-36页 |
| ·实例仿真与性能比较 | 第36-43页 |
| ·测试函数和性能评价标准 | 第36-38页 |
| ·测试结果及分析 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 IDMPSO 算法在Web 服务组合中的应用 | 第44-52页 |
| ·服务组合相关理论及其多目标优化模型 | 第44-47页 |
| ·相关知识 | 第44页 |
| ·Web 服务组合模型及QoS 计算 | 第44-46页 |
| ·基于Web 服务组合的多目标优化模型 | 第46-47页 |
| ·Web 服务组合问题描述 | 第47页 |
| ·编码策略 | 第47页 |
| ·非劣个体的选择策略 | 第47页 |
| ·算法过程描述 | 第47-48页 |
| ·实验说明 | 第48页 |
| ·实验结果分析 | 第48-50页 |
| ·算法的有效性 | 第48-49页 |
| ·算法的可行性 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 总结与展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间的科研情况 | 第58页 |