| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 进化多目标优化算法的历史和研究现状 | 第14-17页 |
| 1.2.1 第一代进化多目标优化算法 | 第14-15页 |
| 1.2.2 第二代进化多目标算法 | 第15-16页 |
| 1.2.3 当前进化多目标优化算法的研究方向 | 第16-17页 |
| 1.3 进化多目标算法有待进一步研究的课题 | 第17-19页 |
| 1.4 论文主要研究的内容 | 第19页 |
| 1.5 论文的组织架构 | 第19-21页 |
| 第二章 进化多目标优化的相关理论基础 | 第21-32页 |
| 2.1 多目标优化基本概念 | 第21-23页 |
| 2.1.1 多目标优化问题定义 | 第21-22页 |
| 2.1.2 Pareto最优解相关知识 | 第22-23页 |
| 2.2 算法的基本原理 | 第23-24页 |
| 2.3 算法的设计目标 | 第24页 |
| 2.4 算法的标准测试函数介绍 | 第24-28页 |
| 2.5 算法的性能评价方法 | 第28-30页 |
| 2.5.1 世代距离(GD) | 第28-29页 |
| 2.5.2 分布度评价方法 | 第29页 |
| 2.5.3 逆向世代距离(IGD) | 第29-30页 |
| 2.6 算法研究的难点 | 第30页 |
| 2.7 万有引力搜索算法 | 第30-31页 |
| 2.8 禁忌搜索算法 | 第31-32页 |
| 第三章 基于支配量选择策略多目标优化算法 | 第32-51页 |
| 3.1 引言 | 第32-33页 |
| 3.2 差分进化算法MOEA/D | 第33-35页 |
| 3.2.1 差分进化算法MOEA/D产生子代的操作 | 第34-35页 |
| 3.2.2 MOEA/D算法选择操作 | 第35页 |
| 3.3 改进的差分进化算法IMOEA/D | 第35-38页 |
| 3.3.1 IMOEA/D算法的变异操作 | 第35-36页 |
| 3.3.2 IMOEA/D算法的选择操作 | 第36页 |
| 3.3.3 支配量的概念 | 第36-37页 |
| 3.3.4 选择策略详细描述 | 第37-38页 |
| 3.4 实验 | 第38-50页 |
| 3.4.1 实验的参数设置 | 第39页 |
| 3.4.2 四个算法求解ZDTs系列测试函数实验结果分析 | 第39-43页 |
| 3.4.3 四个算法求解UFs系列测试函数实验结果分析 | 第43-48页 |
| 3.4.4 比较算法MOEA/D和IMOEA/D求解ZDTs和UFs系列测试函数IGD值变化曲线图验证本文提出的改进方法的有效性 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 一种基于万有引力搜索算法和禁忌搜索算法的多目标进化算法 | 第51-68页 |
| 4.1 引言 | 第51-53页 |
| 4.2 基于万有引力搜索算法的变异操作 | 第53-56页 |
| 4.2.1 万有引力搜索算法的基本原理 | 第53-54页 |
| 4.2.2 IMOEA/D-GSTS算法的变异操作 | 第54-56页 |
| 4.3 禁忌搜索算法 | 第56-59页 |
| 4.3.1 禁忌搜索算法描述 | 第56-58页 |
| 4.3.2 混合多目标进化算法IMOEA/D-GSTS中的禁忌搜索操作 | 第58-59页 |
| 4.4 混合多目标进化算法IMOEA/D-GSTS描述 | 第59-60页 |
| 4.5 实验与比较 | 第60-67页 |
| 4.5.1 三个算法求解ZDTs系列测试函数实验结果分析 | 第60-63页 |
| 4.5.2 三个算法求解UFs系列测试函数实验结果分析 | 第63-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 附录 作者在攻读硕士学位期间发表的论文 | 第75-76页 |
| 致谢 | 第76页 |
