| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 1.4 论文组织结构 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 多目标优化基础 | 第15-19页 |
| 2.1 多目标优化问题 | 第15页 |
| 2.2 多目标优化问题的相关定义 | 第15-17页 |
| 2.3 多目标优化的目标及传统方法 | 第17-18页 |
| 2.3.1 多目标优化的目标 | 第17页 |
| 2.3.2 多目标优化的传统方法 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 经典的多目标演化算法 | 第19-32页 |
| 3.1 NSGA-Ⅱ算法介绍 | 第19-24页 |
| 3.1.1 NSGA算法及流程 | 第19-21页 |
| 3.1.2 NSGA-Ⅱ算法及流程 | 第21-24页 |
| 3.2 其他经典算法 | 第24-31页 |
| 3.2.1 OMOPSO算法 | 第24-26页 |
| 3.2.2 SMPSO算法 | 第26-27页 |
| 3.2.3 GDE3算法 | 第27页 |
| 3.2.4 IBEA算法 | 第27-28页 |
| 3.2.5 MOCell算法 | 第28-29页 |
| 3.2.6 SPEA2算法 | 第29-30页 |
| 3.2.7 PAES算法 | 第30-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 NSGAIIDE算法 | 第32-43页 |
| 4.1 NSGAIIDE算法提出 | 第32页 |
| 4.2 改进一：用DE算子强化算法的全局搜索 | 第32-34页 |
| 4.3 改进二：用全局最优自适应强化算法的局部搜索 | 第34-36页 |
| 4.4 改进三：用全局动态插入维护种群的多样性 | 第36-39页 |
| 4.5 NSGAIIDE算法的流程与复杂度分析 | 第39-42页 |
| 4.5.1 NSGAIIDE算法的流程 | 第39-41页 |
| 4.5.2 NSGAIIDE算法复杂度分析 | 第41-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第五章 仿真实验及比较分析 | 第43-63页 |
| 5.1 测试函数集简介 | 第43-48页 |
| 5.2 多目标演化算法的性能指标 | 第48-51页 |
| 5.3 NSGAIIDE与其他经典算法比较 | 第51-57页 |
| 5.3.1 实验准备 | 第51页 |
| 5.3.2 实验结果比较 | 第51-57页 |
| 5.4 NSGAIIDE与其他算法近似PF的直观比较 | 第57-61页 |
| 5.5 进一步讨论 | 第61-62页 |
| 5.6 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 附件 | 第80页 |