| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 多目标优化问题的产生背景 | 第10页 |
| 1.2 多目标优化问题的数学模型及相关定义 | 第10-12页 |
| 1.3 多目标优化算法的研究历史与现状 | 第12-14页 |
| 1.4 论文主要研究工作 | 第14-16页 |
| 1.5 论文内容安排 | 第16-18页 |
| 第2章 典型的多目标进化算法、性能评价指标及测试函数 | 第18-33页 |
| 2.1 基于Pareto支配的经典算法：NSGA-II | 第18-20页 |
| 2.1.1 快速非支配排序 | 第18页 |
| 2.1.2 拥挤距离 | 第18-20页 |
| 2.1.3 精英保留策略 | 第20页 |
| 2.2 基于分解的经典算法：MOEA/D | 第20-26页 |
| 2.2.1 权重向量 | 第22页 |
| 2.2.2 分解策略 | 第22-26页 |
| 2.2.3 邻域更新策略 | 第26页 |
| 2.3 基于指标的经典算法：IBEA | 第26-27页 |
| 2.4 多目标进化算法的性能评价指标 | 第27-29页 |
| 2.4.1 HV指标 | 第27-28页 |
| 2.4.2 IGD指标 | 第28页 |
| 2.4.3 SPREAD指标 | 第28-29页 |
| 2.5 高维多目标优化问题的测试函数 | 第29-32页 |
| 2.5.1 DTLZ系列函数 | 第29-31页 |
| 2.5.2 WFG系列函数 | 第31-32页 |
| 2.6 小结 | 第32-33页 |
| 第3章 基于ε~+指标和分解的多目标进化算法 | 第33-61页 |
| 3.1 引言 | 第33页 |
| 3.2 基于ε~+指标的适应值评价方法 | 第33-34页 |
| 3.3 基于ε~+指标的边缘效应分析 | 第34-35页 |
| 3.4 IBMOEA/D算法设计 | 第35-40页 |
| 3.4.1 算法初始化 | 第35-36页 |
| 3.4.2 生成新个体与工作档案更新 | 第36页 |
| 3.4.3 外部文档更新 | 第36-39页 |
| 3.4.4 计算资源分配更新 | 第39-40页 |
| 3.5 改进的IBMOEA/D：IBDD算法 | 第40-59页 |
| 3.5.1 测试问题 | 第42-43页 |
| 3.5.2 所有比较算法参数的设定 | 第43-44页 |
| 3.5.3 算法性能的评价方式 | 第44页 |
| 3.5.4 对DTLZ系列函数的实验比较 | 第44-57页 |
| 3.5.5 对MNRP问题的实验比较 | 第57-59页 |
| 3.6 本章小结 | 第59-61页 |
| 第4章 基于ε~+指标和方向向量相结合的多目标优化方法 | 第61-87页 |
| 4.1 引言 | 第61页 |
| 4.2 EDV算法 | 第61-65页 |
| 4.2.1 算法初始化 | 第61-62页 |
| 4.2.2 生成新个体 | 第62页 |
| 4.2.3 进化文档更新 | 第62-65页 |
| 4.3 实验设计 | 第65-86页 |
| 4.3.1 测试问题 | 第65-66页 |
| 4.3.2 所有比较算法参数的设定 | 第66-67页 |
| 4.3.3 算法性能的评价方式 | 第67页 |
| 4.3.4 实验结果比较 | 第67-86页 |
| 4.4 本章小结 | 第86-87页 |
| 第5章 总结与展望 | 第87-90页 |
| 5.1 全文内容总结 | 第87-88页 |
| 5.2 未来工作展望 | 第88-90页 |
| 参考文献 | 第90-95页 |
| 致谢 | 第95-96页 |
| 攻读硕士学位期间的研究成果 | 第96页 |
