| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第10-24页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-21页 |
| 1.2.1 MOEA/D算法的研究现状 | 第10-14页 |
| 1.2.2 融合偏好的多目标进化算法研究现状 | 第14-16页 |
| 1.2.3 多序列比对的研究现状 | 第16-21页 |
| 1.3 论文主要研究内容及创新点 | 第21-22页 |
| 1.3.1 本文的主要研究内容 | 第21页 |
| 1.3.2 本文的创新点 | 第21-22页 |
| 1.4 论文组织结构 | 第22-24页 |
| 2 基本背景知识的介绍 | 第24-40页 |
| 2.1 引言 | 第24页 |
| 2.2 多目标优化问题的定义 | 第24页 |
| 2.3 基于分解的多目标进化算法MOEA/D | 第24-26页 |
| 2.4 多序列比对 | 第26-29页 |
| 2.4.1 多序列比对问题的定义 | 第26-27页 |
| 2.4.2 相似度替换矩阵 | 第27-28页 |
| 2.4.3 空位罚分 | 第28-29页 |
| 2.5 测试函数 | 第29-35页 |
| 2.5.1 ZDT测试函数集 | 第29-30页 |
| 2.5.2 DTLZ测试函数集 | 第30-31页 |
| 2.5.3 UF测试函数集 | 第31-35页 |
| 2.6 多目标进化算法性能评价指标 | 第35-37页 |
| 2.6.1 无偏好多目标进化算法的性能评价指标 | 第35-36页 |
| 2.6.2 有偏好多目标进化算法的评价指标 | 第36-37页 |
| 2.7 Wilcoxon秩和检验 | 第37页 |
| 2.8 本章小结 | 第37-40页 |
| 3 一种基于新效用函数的动态资源分配的多目标进化算法 | 第40-52页 |
| 3.1 引言 | 第40页 |
| 3.2 MOEA/D-DRA算法概述与分析 | 第40-43页 |
| 3.2.1 MOEA/D-DRA算法概述 | 第40-42页 |
| 3.2.2 MOEA/D-DRA算法分析 | 第42-43页 |
| 3.3 MOEA/D-DRA-NU算法 | 第43-45页 |
| 3.3.1 新提出的效用函数 | 第43-45页 |
| 3.3.2 MOEA/D-DRA-NU算法流程 | 第45页 |
| 3.4 实验研究 | 第45-51页 |
| 3.4.1 测试函数 | 第45-46页 |
| 3.4.2 测试算法的简介 | 第46页 |
| 3.4.3 参数设置 | 第46-47页 |
| 3.4.4 MOEA/D-DRA-NU算法与MOEA/D-DRA,MOEA/D-DE算法比较 | 第47-48页 |
| 3.4.5 MOEA/D-DRA-NU算法与最新提出多目标进化算法比较 | 第48-51页 |
| 3.5 本章小结 | 第51-52页 |
| 4 改进的融合偏好的多目标进化算法 | 第52-70页 |
| 4.1 引言 | 第52页 |
| 4.2RMEAD算法概述与分析 | 第52-54页 |
| 4.2.1 RMEAD算法概述 | 第52-54页 |
| 4.2.2 RMEAD算法分析 | 第54页 |
| 4.3 IRMEAD算法 | 第54-58页 |
| 4.3.1 修改 1：估计基权重向量 | 第55-57页 |
| 4.3.2 修改 2：权重向量初始化和更新 | 第57-58页 |
| 4.3.3 IRMEAD算法描述 | 第58页 |
| 4.4 实验研究 | 第58-69页 |
| 4.4.1 测试函数 | 第59页 |
| 4.4.2 参数设置 | 第59页 |
| 4.4.3 实验结果与分析 | 第59-69页 |
| 4.5 小结 | 第69-70页 |
| 5 基于分解的多目标进化算法在多序列比对中的应用 | 第70-88页 |
| 5.1 引言 | 第70页 |
| 5.2 多序列比对问题建模 | 第70-72页 |
| 5.2.1 WSPs评分函数 | 第70-71页 |
| 5.2.2 一种新的多序列比对问题模型 | 第71-72页 |
| 5.3 MOMSA算法：一种新的多序列比对方法 | 第72-78页 |
| 5.3.1 算法思想 | 第72-73页 |
| 5.3.2 MOMSA算法流程 | 第73-78页 |
| 5.4 实验研究 | 第78-86页 |
| 5.4.1 测试数据集和评价指标 | 第78页 |
| 5.4.2 参数设置 | 第78-81页 |
| 5.4.3 MOMSA算法与VDGA和GAPAM的比较 | 第81页 |
| 5.4.4 MOMSA算法与IMSA算法比较 | 第81-83页 |
| 5.4.5 MOMSA算法与其他经典算法比较 | 第83-85页 |
| 5.4.6 MOMSA算法的鲁棒性 | 第85-86页 |
| 5.5 本章小结 | 第86-88页 |
| 6 总结 | 第88-90页 |
| 6.1 主要结论 | 第88-89页 |
| 6.2 后续研究工作的展望 | 第89-90页 |
| 致谢 | 第90-92页 |
| 参考文献 | 第92-106页 |
| 附录 | 第106页 |
| A. 作者在攻读博士学位期间发表的论文： | 第106页 |
| B. 作者在攻读博士学位期间参与的科研项目： | 第106页 |
