| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 昂贵区间多目标优化问题研究现状 | 第11-12页 |
| 1.3 多目标优化中数据挖掘的应用 | 第12-14页 |
| 1.4 本文的研究内容 | 第14-15页 |
| 第2章 区间多目标优化问题概述 | 第15-22页 |
| 2.1 区间多目标优化问题 | 第15-16页 |
| 2.2 区间Pareto支配性定义 | 第16-18页 |
| 2.3 区间拥挤距离 | 第18-19页 |
| 2.4 约束处理方法 | 第19页 |
| 2.5 区间NSGA-Ⅱ算法 | 第19-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 基于K主曲线的决策空间数据挖掘求解策略 | 第22-38页 |
| 3.1 决策空间数据主曲线建模 | 第22-27页 |
| 3.1.1 空间数据挖掘及主曲线简介 | 第22-23页 |
| 3.1.2 K主曲线建模算法 | 第23-27页 |
| 3.2 子代生成算法 | 第27-29页 |
| 3.3 决策空间拥挤距离 | 第29-30页 |
| 3.4 算法步骤 | 第30-31页 |
| 3.5 算法测度 | 第31-32页 |
| 3.6 仿真优化实验 | 第32-36页 |
| 3.6.1 延展率对算法的影响 | 第33页 |
| 3.6.2 决策空间拥挤距离筛选准确率 | 第33-34页 |
| 3.6.3 本章改进算法的Pareto前沿与其他算法的比较 | 第34-36页 |
| 3.7 本章小结 | 第36-38页 |
| 第4章 支配性和拥挤距离数据融合策略 | 第38-55页 |
| 4.1 区间优化函数辨识 | 第38-42页 |
| 4.1.1 区间函数高斯过程建模策略 | 第38-42页 |
| 4.1.2 模型辨识步骤 | 第42页 |
| 4.2 支配度的渐消记忆求解策略 | 第42-43页 |
| 4.3 拥挤距离的渐消记忆求解策略 | 第43-44页 |
| 4.4 改进的NSGA-II算法步骤 | 第44-45页 |
| 4.5 仿真优化实验 | 第45-54页 |
| 4.5.1 模型辨识分析 | 第46-49页 |
| 4.5.2 支配性和拥挤距离预测准确率 | 第49-50页 |
| 4.5.3 渐消因子对算法的影响 | 第50-52页 |
| 4.5.4 本章改进算法的Pareto前沿与其他算法的比较 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |