| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 多目标优化Pareto最优性 | 第10-12页 |
| 1.2 进化多目标优化 | 第12-17页 |
| 1.2.1 进化多目标优化 | 第12-16页 |
| 1.2.2 昂贵多目标优化 | 第16-17页 |
| 1.3 Pareto优劣性预测 | 第17-18页 |
| 1.4 本文研究内容 | 第18-20页 |
| 第2章 决策空间等价维分析及降维 | 第20-31页 |
| 2.1 Pareto优劣性最近邻预测框架 | 第20-21页 |
| 2.2 等价维和冗余维的识别 | 第21-22页 |
| 2.2.1 决策向量的满意度 | 第21-22页 |
| 2.2.2 决策向量的等价性 | 第22页 |
| 2.3 基于Sammon降维方法的Pareto优劣性预测 | 第22-24页 |
| 2.3.1 Sammon降维方法 | 第22-24页 |
| 2.3.2 基于Sammon降维方法的Pareto优劣性预测 | 第24页 |
| 2.4 Pareto优劣性预测实验 | 第24-30页 |
| 2.5 小结 | 第30-31页 |
| 第3章 决策向量降维的流形学习方法 | 第31-41页 |
| 3.1 局部线性嵌入(LLE)算法 | 第31-34页 |
| 3.1.1 流形学习的概念 | 第31-32页 |
| 3.1.2 局部线性嵌入 | 第32-34页 |
| 3.2 决策向量降维的LLE方法 | 第34-38页 |
| 3.2.1 LLE降维方法的参数 | 第34-37页 |
| 3.2.2 决策向量降维的LLE算法 | 第37-38页 |
| 3.3 Pareto优劣性预测实验 | 第38-40页 |
| 3.4 小结 | 第40-41页 |
| 第4章 降维预测在进化算法中的应用 | 第41-50页 |
| 4.1 NSGA-II算法 | 第41-42页 |
| 4.2 基于LLE降维预测的MOEAs算法 | 第42-44页 |
| 4.3 实验 | 第44-49页 |
| 4.4 小结 | 第49-50页 |
| 结语 | 第50-52页 |
| 结论 | 第50-51页 |
| 展望 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 攻读硕士学位期间主要研究成果 | 第58-59页 |
| 致谢 | 第59页 |