| 摘要 | 第5-8页 |
| ABSTRACT | 第8-10页 |
| 符号对照表 | 第16-17页 |
| 缩略语对照表 | 第17-22页 |
| 第一章 绪论 | 第22-36页 |
| 1.1 选题背景及意义 | 第22-23页 |
| 1.2 多目标优化求解实际问题的一般流程 | 第23-25页 |
| 1.3 多目标优化算法概览 | 第25-27页 |
| 1.4 进化多目标优化研究进展 | 第27-32页 |
| 1.4.1 进化多目标优化算法概览 | 第27-28页 |
| 1.4.2 当前进化多目标优化主要研究领域 | 第28-32页 |
| 1.5 论文主要工作及组织结构 | 第32-36页 |
| 第二章 进化多目标优化框架分析研究 | 第36-62页 |
| 2.1 多目标优化基本理论 | 第36-38页 |
| 2.2 两种进化多目标优化算法研究 | 第38-43页 |
| 2.2.1 NSGA-Ⅱ | 第38-41页 |
| 2.2.2 MOEA/D | 第41-43页 |
| 2.3 多目标优化测试案例与算法评价指标 | 第43-45页 |
| 2.3.1 测试案例 | 第43-44页 |
| 2.3.2 评价指标 | 第44-45页 |
| 2.4 进化多目标优化算法基本框架 | 第45-47页 |
| 2.5 解决本文问题所用算法的基本框架 | 第47-60页 |
| 2.5.1 约束多目标优化问题研究 | 第47-53页 |
| 2.5.2 进化多目标优化参数控制技术研究 | 第53-60页 |
| 2.6 本章小结 | 第60-62页 |
| 第三章 基于约束非支配排序的混合进化多目标优化算法 | 第62-80页 |
| 3.1 引言 | 第62页 |
| 3.2 相关背景 | 第62-63页 |
| 3.2.1 MOEA/D-M2M | 第62-63页 |
| 3.3 cMOEA/H算法描述 | 第63-69页 |
| 3.3.1 cMOEA/H整体框架 | 第63-65页 |
| 3.3.2 约束非支配排序 | 第65-67页 |
| 3.3.3 子种群平衡操作 | 第67-68页 |
| 3.3.4 新解产生操作 | 第68-69页 |
| 3.4 对比实验和结果分析 | 第69-79页 |
| 3.4.1 测试案例以及评价指标 | 第69页 |
| 3.4.2 约束非支配排序有效性分析 | 第69-73页 |
| 3.4.3 cMOEA/H与典型约束多目标优化算法的对比 | 第73-77页 |
| 3.4.4 cMOEA/H特性分析 | 第77-79页 |
| 3.5 本章小结 | 第79-80页 |
| 第四章 基于解距离的自适应分解多目标优化算法 | 第80-100页 |
| 4.1 引言 | 第80页 |
| 4.2 相关背景 | 第80-82页 |
| 4.2.1 DE算子介绍 | 第80-82页 |
| 4.3 MOEA/D-DPA算法描述 | 第82-85页 |
| 4.3.1 MOEA/D-DPA整体框架 | 第82页 |
| 4.3.2 MOEA/D-DPA参数记录及更新 | 第82-85页 |
| 4.4 对比实验和结果分析 | 第85-98页 |
| 4.4.1 测试案例以及评价指标 | 第85-86页 |
| 4.4.2 MOEA/D-DPA与典型自适应MOEA/D算法的对比 | 第86-91页 |
| 4.4.3 不同F-CR组合的MOEA/D-DPA | 第91页 |
| 4.4.4 MOEA/D-DPA中F、CR变化规律研究 | 第91-97页 |
| 4.4.5 参数L影响分析 | 第97-98页 |
| 4.5 本章小结 | 第98-100页 |
| 第五章 基于增强学习的自适应分解多目标优化算法 | 第100-120页 |
| 5.1 引言 | 第100-101页 |
| 5.2 相关背景 | 第101-104页 |
| 5.2.1 增强学习基本概念及算法 | 第101-102页 |
| 5.2.2 状态空间表示 | 第102页 |
| 5.2.3 基于连续U Tree的SARSA on-policy学习算法 | 第102-104页 |
| 5.3 RL-MOEA/D算法描述 | 第104-107页 |
| 5.4 对比实验和结果分析 | 第107-118页 |
| 5.4.1 测试案例以及评价指标 | 第107页 |
| 5.4.2 RL-MOEA/D与具有不同参数设置的MOEA/D的对比 | 第107-113页 |
| 5.4.3 RL-MOEA/D与MOEA/D-FRRMAB的对比 | 第113-115页 |
| 5.4.4 RL-MOEA/D特性分析 | 第115-118页 |
| 5.5 本章小结 | 第118-120页 |
| 第六章 多层系统可靠性优化 | 第120-138页 |
| 6.1 引言 | 第120-121页 |
| 6.2 相关背景 | 第121-124页 |
| 6.2.1 多层串行系统冗余分配 | 第121-123页 |
| 6.2.2 多层串行系统冗余分配优化问题 | 第123页 |
| 6.2.3 解的编码方式 | 第123-124页 |
| 6.3 算法描述 | 第124-127页 |
| 6.3.1 MRAOP的约束多目标优化模型 | 第124页 |
| 6.3.2 cMOHGA-TM基本框架 | 第124-126页 |
| 6.3.3 具有靶向变异的HGA交叉算子 | 第126-127页 |
| 6.4 对比实验和结果分析 | 第127-136页 |
| 6.4.1 测试问题 | 第128-130页 |
| 6.4.2 算法参数设置 | 第130-131页 |
| 6.4.3 实验结果 | 第131-135页 |
| 6.4.4 实验结果讨论 | 第135-136页 |
| 6.5 本章小结 | 第136-138页 |
| 第七章 总结和展望 | 第138-142页 |
| 7.1 总结 | 第138-140页 |
| 7.2 展望 | 第140-142页 |
| 参考文献 | 第142-156页 |
| 致谢 | 第156-158页 |
| 作者简介 | 第158-160页 |
