基于NSGA-Ⅱ的多目标鲁棒优化方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-19页 |
| ·引言 | 第9-10页 |
| ·遗传算法简介 | 第10-12页 |
| ·多目标优化的基本概念 | 第12-14页 |
| ·多目标优化问题的数学描述 | 第12-13页 |
| ·多目标优化问题的解 | 第13-14页 |
| ·多目标优化算法及其鲁棒性的研究现状 | 第14-18页 |
| ·多目标优化算法中的重要方法与分类 | 第14-15页 |
| ·多目标优化算法及其鲁棒最优解研究的发展现状 | 第15-18页 |
| ·全文主要内容和安排 | 第18-19页 |
| 第2章 鲁棒最优解 | 第19-32页 |
| ·鲁棒度的概念 | 第19-21页 |
| ·基本的鲁棒参数 | 第21-22页 |
| ·改进的鲁棒度定义 | 第22-28页 |
| ·目标函数空间的约束范围 | 第22-25页 |
| ·内层约束的细化 | 第25-27页 |
| ·鲁棒度的判定 | 第27-28页 |
| ·鲁棒度参数分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于鲁棒度的平均有效目标函数 | 第32-41页 |
| ·引言 | 第32页 |
| ·平均有效目标函数的一般描述 | 第32-33页 |
| ·平均有效目标函数与原始目标函数的区别 | 第33-34页 |
| ·蒙特卡罗法在f~(eff)(X)中的应用 | 第34-36页 |
| ·基于鲁棒度对f~(eff)(X)的改进 | 第36-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 非劣前沿分类算法NSGA-Ⅱ的鲁棒性改进 | 第41-52页 |
| ·NSGA遗传算法简介 | 第41-43页 |
| ·非劣前沿层分类技术 | 第41-42页 |
| ·小生境技术 | 第42-43页 |
| ·NSGA-Ⅱ遗传算法 | 第43-48页 |
| ·基于NSGA算法的改进 | 第43-45页 |
| ·NSGA-Ⅱ算法的基本思想及流程 | 第45页 |
| ·聚集距离 | 第45-47页 |
| ·精英策略 | 第47-48页 |
| ·选择机制 | 第48页 |
| ·基于鲁棒度改进的NSGA-Ⅱ遗传算法 | 第48-50页 |
| ·基于鲁棒度的偏序关系 | 第49-50页 |
| ·基于鲁棒度的选择机制 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第5章 鲁棒优化仿真实验分析 | 第52-63页 |
| ·引言 | 第52页 |
| ·鲁棒参数分析 | 第52-56页 |
| ·归一化效果比对 | 第56-58页 |
| ·f~(eff)(x)与f(x)搜索结果比对 | 第58-59页 |
| ·基于鲁棒度的NSGA-Ⅱ | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·研究工作总结 | 第63页 |
| ·工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间发表的论文 | 第70页 |
