首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

一种用进化方法求解鲁棒最优问题的研究

摘要第1-6页
ABSTRACT第6-11页
第一章 绪论第11-19页
   ·鲁棒进化具有十分广阔的应用前景第11-12页
   ·进化算法发展历史第12-13页
   ·单目标鲁棒进化(SRE)研究现状第13-14页
   ·多目标鲁棒进化(MRE)研究现状第14-15页
   ·RE的发展趋势和MRE研究所面临的挑战第15-17页
   ·本文主要内容及组织结构第17-19页
第二章 MOEAS中的重复个体研究第19-29页
   ·MOEAs有关概念第19-20页
   ·非支配排序遗传算法(NSGA-Ⅱ)第20-22页
     ·NSGA-Ⅱ简介第20页
     ·算法描述第20-21页
     ·算法流程第21-22页
   ·NSGA-Ⅱ中重复个体的研究第22-27页
     ·NSGA-Ⅱ中重复个体数目与编码方式的关系第22-23页
     ·NSGA-Ⅱ中重复个体产生原因分析第23-24页
     ·重复个体数量的概率分析第24-25页
     ·重复个体对算法性能的影响第25-27页
   ·其它多目标进化算法中的重复个体第27-28页
   ·本章总结第28-29页
第三章 MOEAS鲁棒性能的实验测试第29-44页
   ·鲁棒优化问题第29-30页
   ·MOEAs在二目标测试函数下的鲁棒性能第30-37页
     ·测试函数第30-33页
     ·性能评价指标第33页
     ·实验结果及分析第33-37页
   ·MOEAs在三目标测试函数下的鲁棒性能第37-43页
     ·测试函数第38-39页
     ·测试环境及参数设置第39-40页
     ·实验结果及分析第40-43页
   ·本章总结第43-44页
第四章 用拟蒙特卡罗方法提高EA搜索鲁棒最优解性能第44-69页
   ·引言第44-45页
   ·搜索鲁棒最优解的进化算法第45-47页
     ·鲁棒最优解第45-46页
     ·原始蒙特卡罗方法第46-47页
     ·进化算法设计第47页
   ·拟蒙特卡罗方法第47-50页
     ·偏差第48页
     ·Kokama-Hlawka不等式第48-49页
     ·本文使用的Q-MC方法第49-50页
   ·实验及结果分析第50-68页
     ·测试问题第50-53页
     ·实验环境设置第53-54页
     ·实验及数据分析第54-68页
   ·本章总结第68-69页
第五章 一种提高MOEAS搜索鲁棒最优解效率的方法第69-82页
   ·引言第69页
   ·多目标鲁棒优化问题及其鲁棒最优解第69-70页
     ·多目标鲁棒优化问题第69-70页
     ·多目标鲁棒最优解第70页
   ·基于LHS的MOEAs求解鲁棒最优解第70-76页
     ·用LHS计算有效目标函数第70-71页
     ·LHS与RS效果比较第71-73页
     ·MROPs测试函数第73-74页
     ·实验仿真第74-76页
   ·使用自适应抽样技术提高MOEAs的效率第76-81页
     ·自适应抽样技术第76-78页
     ·ALHS效率分析第78-79页
     ·仿真实验第79-81页
   ·本章总结第81-82页
第六章 求解多目标旅行商问题的混合遗传算法第82-93页
   ·旅行商问题第82-83页
     ·旅行商的定义第82页
     ·多目标旅行商问题第82-83页
     ·多目标旅行商问题的数学模型第83页
     ·多目标TSP研究现状第83页
   ·求解多目标旅行商问题的混合遗传算法第83-89页
     ·编码第85页
     ·种群初始化第85页
     ·选择算子第85-86页
     ·交叉算子第86-87页
     ·变异算子第87-88页
     ·局部搜索方法——爬山法第88-89页
   ·实验设计与结果第89-92页
   ·本章总结第92-93页
第七章 总结与展望第93-96页
   ·本文工作总结第93-94页
   ·进一步的工作第94-96页
参考文献第96-105页
致谢第105-106页
攻读博士学位期间主要的研究成果第106页

论文共106页,点击 下载论文
上一篇:基于连续—离散二维模型的周期系数线性系统鲁棒重复控制设计
下一篇:基于自由权矩阵的网络控制系统分析与设计