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 |