| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·引言 | 第7页 |
| ·进化算法的发展和研究现状 | 第7-8页 |
| ·进化算法的主要应用领域 | 第8-9页 |
| ·多目标优化问题的产生背景 | 第9-10页 |
| ·多目标优化方法的发展历史和研究现状 | 第10-12页 |
| ·本文的主要工作及安排 | 第12-15页 |
| 第二章 进化算法基本理论和多目标优化基本概念 | 第15-31页 |
| ·进化算法的概念和特点 | 第15-16页 |
| ·遗传算法的基本概念 | 第16-22页 |
| ·遗传算法的基本框架 | 第16-21页 |
| ·遗传算法的基础理论 | 第21-22页 |
| ·多目标优化问题的基本概念 | 第22-27页 |
| ·多目标优化基本概念 | 第22-26页 |
| ·多目标进化算法的基本流程 | 第26-27页 |
| ·多目标进化算法的关键技术 | 第27页 |
| ·多目标进化算法的性能评价方式 | 第27-29页 |
| ·均匀设计方法 | 第29-31页 |
| 第三章 基于加权平均法和均匀设计的多目标进化算法设计 | 第31-49页 |
| ·适应度函数 | 第31-35页 |
| ·用极坐标产生权向量来构造适应度函数 | 第32-34页 |
| ·用均匀设计方法产生权向量来构造适应度函数 | 第34-35页 |
| ·初始种群 | 第35-38页 |
| ·由均匀设计方法产生初始种群 | 第35-37页 |
| ·由随机方法产生初始种群 | 第37-38页 |
| ·交叉算子 | 第38-44页 |
| ·传统算术交叉算子 | 第38-40页 |
| ·新交叉算子1 | 第40-43页 |
| ·新交叉算子2 | 第43-44页 |
| ·变异算子 | 第44-45页 |
| ·选择算子 | 第45页 |
| ·求解多目标规划的一个新的遗传算法及其收敛性证明 | 第45-49页 |
| ·基于加权平均法和均匀设计的多目标进化算法(WUC-MOEA) | 第45-46页 |
| ·算法(WUC-MOEA)的收敛性证明 | 第46-49页 |
| 第四章 计算机模拟 | 第49-61页 |
| ·算法性能的评价方式 | 第49-50页 |
| ·S-度量 | 第49页 |
| ·C-度量 | 第49页 |
| ·宽广性度量 | 第49-50页 |
| ·测试函数 | 第50页 |
| ·算法实现 | 第50-51页 |
| ·算法性能比较 | 第51-61页 |
| ·算法运行结果图 | 第51-53页 |
| ·算法的度量 | 第53-61页 |
| 第五章 结束语 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 研究生期间发表论文 | 第71页 |