| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 主要符号对照表 | 第10-11页 |
| 第1章 引言 | 第11-30页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.2 基本概念 | 第14-20页 |
| 1.2.1 多目标优化问题 | 第14-15页 |
| 1.2.2 多目标柔性作业车间调度问题 | 第15-16页 |
| 1.2.3 多目标进化算法简介 | 第16-18页 |
| 1.2.4 模因演算法简介 | 第18-20页 |
| 1.3 相关研究工作综述 | 第20-26页 |
| 1.3.1 进化高维多目标优化 | 第20-23页 |
| 1.3.2 多目标进化算法中的变化算子 | 第23-24页 |
| 1.3.3 多目标柔性作业车间调度的主要算法 | 第24-25页 |
| 1.3.4 求解多目标组合优化问题的模因演算法 | 第25-26页 |
| 1.4 主要研究内容和贡献 | 第26-28页 |
| 1.5 本文结构安排 | 第28-30页 |
| 第2章 基础知识 | 第30-40页 |
| 2.1 典型的基于分解的多目标进化算法 | 第30-33页 |
| 2.1.1 问题分解多目标进化算法 | 第30-31页 |
| 2.1.2 集成适应度排序 | 第31页 |
| 2.1.3 第三代非支配排序遗传算法 | 第31-32页 |
| 2.1.4 多目标遗传局部搜索 | 第32-33页 |
| 2.2 差分进化 | 第33-34页 |
| 2.3 柔性作业车间调度的析取图模型 | 第34-35页 |
| 2.4 标准测试问题 | 第35-37页 |
| 2.4.1 高维多目标优化测试问题 | 第35-36页 |
| 2.4.2 柔性作业车间调度测试问题 | 第36-37页 |
| 2.5 性能指标 | 第37-40页 |
| 第3章 在基于聚合的多目标进化算法中平衡收敛性和多样性 | 第40-72页 |
| 3.1 前言 | 第40-41页 |
| 3.2 类似算法简介 | 第41-42页 |
| 3.3 基本思想 | 第42-44页 |
| 3.4 算法详解 | 第44-48页 |
| 3.4.1 增强MOEA/D | 第44-45页 |
| 3.4.2 增强EFR | 第45-46页 |
| 3.4.3 可选归一化过程 | 第46页 |
| 3.4.4 计算复杂度 | 第46-47页 |
| 3.4.5 讨论 | 第47-48页 |
| 3.5 实验设计 | 第48-53页 |
| 3.5.1 测试问题 | 第49-50页 |
| 3.5.2 性能指标 | 第50-51页 |
| 3.5.3 比较算法 | 第51-52页 |
| 3.5.4 实验设置 | 第52-53页 |
| 3.6 算法的性能分析 | 第53-59页 |
| 3.6.1 参数K的影响 | 第54-55页 |
| 3.6.2 收敛性和多样性的研究 | 第55-59页 |
| 3.7 与先进算法的比较 | 第59-71页 |
| 3.7.1 在归一化问题上的比较 | 第59-61页 |
| 3.7.2 在非归一化问题上的比较 | 第61-62页 |
| 3.7.3 进一步讨论 | 第62-71页 |
| 3.8 本章小结 | 第71-72页 |
| 第4章 基于新型支配关系的多目标进化算法 | 第72-106页 |
| 4.1 前言 | 第72-73页 |
| 4.2 基于θ-支配的进化算法 | 第73-79页 |
| 4.2.1 算法框架 | 第73页 |
| 4.2.2 参考点的生成 | 第73-74页 |
| 4.2.3 重组算子 | 第74-75页 |
| 4.2.4 自适应归一化 | 第75-77页 |
| 4.2.5 聚类算子 | 第77页 |
| 4.2.6 θ-支配 | 第77-79页 |
| 4.2.7 θ-DEA的计算复杂度 | 第79页 |
| 4.3 实验设计 | 第79-83页 |
| 4.3.1 测试问题 | 第79-80页 |
| 4.3.2 性能指标 | 第80页 |
| 4.3.3 比较算法 | 第80-82页 |
| 4.3.4 实验设置 | 第82-83页 |
| 4.4 实验结果 | 第83-105页 |
| 4.4.1 与NSGA-III和MOEA/D的比较 | 第84-89页 |
| 4.4.2 与先进算法的比较 | 第89-96页 |
| 4.4.3 参数 θ 的影响 | 第96-97页 |
| 4.4.4 进一步讨论 | 第97-105页 |
| 4.5 本章小结 | 第105-106页 |
| 第5章 基于分解的多目标进化算法中的变化算子 | 第106-118页 |
| 5.1 前言 | 第106-107页 |
| 5.2 目标算法 | 第107-108页 |
| 5.3 实验研究 | 第108-117页 |
| 5.3.1 实验设置 | 第108页 |
| 5.3.2 NSGA-III-DE中参数的影响 | 第108-110页 |
| 5.3.3 NSGA-III-DE vs. NSGA-III-SBX：探索vs. 开发 | 第110-112页 |
| 5.3.4 NSGA-III变体之间的比较 | 第112-117页 |
| 5.4 本章小结 | 第117-118页 |
| 第6章 求解多目标柔性作业车间调度的模因演算法 | 第118-149页 |
| 6.1 前言 | 第118-119页 |
| 6.2 算法概述 | 第119-120页 |
| 6.3 全局搜索策略 | 第120-123页 |
| 6.3.1 染色体编码 | 第120页 |
| 6.3.2 染色体解码 | 第120-121页 |
| 6.3.3 遗传操作 | 第121-123页 |
| 6.4 局部搜索策略 | 第123-129页 |
| 6.4.1 个体选择 | 第123-124页 |
| 6.4.2 针对个体的局部搜索 | 第124-129页 |
| 6.5 实验分析 | 第129-146页 |
| 6.5.1 评价指标 | 第130-131页 |
| 6.5.2 局部搜索中接受准则的实验研究 | 第131页 |
| 6.5.3 遗传搜索和局部搜索混合的有效性 | 第131-133页 |
| 6.5.4 局部搜索中分层策略的有效性 | 第133页 |
| 6.5.5 与先进算法的比较 | 第133-146页 |
| 6.6 进一步讨论 | 第146-148页 |
| 6.7 本章小结 | 第148-149页 |
| 第7章 结论与展望 | 第149-152页 |
| 7.1 本文工作总结 | 第149-150页 |
| 7.2 研究工作展望 | 第150-152页 |
| 参考文献 | 第152-164页 |
| 致谢 | 第164-166页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第166-168页 |
