| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-27页 |
| ·多目标优化的基本概念 | 第13-18页 |
| ·传统的多目标优化方法 | 第18-23页 |
| ·加权法 | 第18-19页 |
| ·约束法 | 第19-21页 |
| ·目标规划法 | 第21页 |
| ·目标满意法 | 第21-23页 |
| ·传统优化方法的局限性 | 第23-24页 |
| ·本文研究的目的与内容 | 第24-27页 |
| 第二章 演化算法 | 第27-44页 |
| ·优化方法概述 | 第27-29页 |
| ·演化算法 | 第29-35页 |
| ·演化算法的概念、特点和一般框架 | 第29-30页 |
| ·遗传算法 | 第30-31页 |
| ·遗传算法的性能特征 | 第31-32页 |
| ·遗传算法的多样性问题 | 第32-33页 |
| ·影响遗传算法性能的因素 | 第33-35页 |
| ·遗传算法进化过程的一般分析 | 第35页 |
| ·基于混合优化策略的演化算法 | 第35-36页 |
| ·求解车辆路径问题的混合遗传算法 | 第36-42页 |
| ·VRP问题的背景及其数学模型 | 第36-38页 |
| ·CVRP问题的混合遗传算法 | 第38-41页 |
| ·实验结果及分析 | 第41-42页 |
| ·小结 | 第42-44页 |
| 第三章 基于多目标优化的演化算法及其策略分析 | 第44-63页 |
| ·基于演化算法的多目标优化 | 第44-45页 |
| ·多目标演化算法概述 | 第45-47页 |
| ·典型MOEAs的策略分析 | 第47-55页 |
| ·MOEAs的适应度赋值方法 | 第47-50页 |
| ·群体多样性维护 | 第50-53页 |
| ·选择算子 | 第53-54页 |
| ·精英策略的运用 | 第54-55页 |
| ·混合多目标演化算法(HMOEAs) | 第55-62页 |
| ·HMOEAs的结构 | 第55-56页 |
| ·基于Hooke and Jeeves局部搜索的MOEA—HJMOEA | 第56-57页 |
| ·局部搜索的评价方法—切比雪夫(Tchebycheff)范数法 | 第57-59页 |
| ·算法HJMOEA | 第59页 |
| ·实验分析 | 第59-62页 |
| ·小结 | 第62-63页 |
| 第四章 基于混合交叉策略的多目标演化算法及其性能分析 | 第63-77页 |
| ·交叉算子的作用 | 第63-66页 |
| ·Simulated Binary Crossover(SBX) | 第64-65页 |
| ·多个体参与交叉操作 | 第65-66页 |
| ·算法MOEADC | 第66-67页 |
| ·个体适应度评价 | 第66-67页 |
| ·选择机制 | 第67页 |
| ·变异操作 | 第67页 |
| ·算法(MOEADC)描述 | 第67-68页 |
| ·算法(MOEADC)收敛性能分析 | 第68-71页 |
| ·相关收敛性理论 | 第68-69页 |
| ·算法收敛性分析 | 第69-71页 |
| ·算法(MOEADC)的计算效率及其解集分布性能问题 | 第71页 |
| ·算法的时间效率分析 | 第71页 |
| ·算法MOEADC的解集分布性能 | 第71页 |
| ·收敛性能度量 | 第71-72页 |
| ·实验及其结果分析 | 第72-75页 |
| ·实验一：解集的分布性能的比较 | 第72-73页 |
| ·实验二：收敛性能与计算效率的分析 | 第73-75页 |
| ·小结 | 第75-77页 |
| 第五章 多目标演化算法在工程优化和管理中的应用 | 第77-92页 |
| ·引言 | 第77-79页 |
| ·多目标优化的启示：一个机械设计例子 | 第79-85页 |
| ·Pareto最优解的一些特征 | 第81-85页 |
| ·算法MOEADC | 第85页 |
| ·基于MOEADC研究一类投资组合优化问题 | 第85-91页 |
| ·相关问题陈述与模型 | 第85-88页 |
| ·基于投资组合优化问题的群体的个体形式及可行化 | 第88-89页 |
| ·算例分析 | 第89-91页 |
| ·小结 | 第91-92页 |
| 第六章 结束语 | 第92-96页 |
| ·总结 | 第92页 |
| ·本文研究的主要内容与创新点 | 第92-94页 |
| ·研究展望 | 第94-96页 |
| 参考文献 | 第96-106页 |
| 在读博士学位期间发表的论文 | 第106-107页 |
| 致谢 | 第107页 |
