| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-26页 |
| ·多目标优化 | 第10-13页 |
| ·多目标进化算法 | 第13-15页 |
| ·多目标进化算法的基本框架 | 第13-14页 |
| ·多目标进化算法的发展历程 | 第14-15页 |
| ·解集的鲁棒性 | 第15-17页 |
| ·单目标鲁棒最优解 | 第17-19页 |
| ·优化有效目标函数 | 第17-18页 |
| ·将SROP 转化为多目标优化问题 | 第18页 |
| ·SROP 代表性的研究成果 | 第18-19页 |
| ·多目标鲁棒 Pareto 最优解 | 第19-21页 |
| ·其他鲁棒优化方面的研究 | 第21-22页 |
| ·效率分析 | 第21-22页 |
| ·其他研究 | 第22页 |
| ·解集的复杂性 | 第22-24页 |
| ·本文的工作 | 第24-25页 |
| ·论文的组织结构 | 第25-26页 |
| 第2章 一种提高多目标进化算法搜索鲁棒 Pareto 最优解 效率的方法 | 第26-38页 |
| ·鲁棒 Pareto 最优解 | 第26-27页 |
| ·原目标函数与有效目标函数 | 第26-27页 |
| ·鲁棒Pareto 最优解 | 第27页 |
| ·使用 LHS 提高 MOEA 搜索鲁棒 Pareto 最优解的效果 | 第27-33页 |
| ·用LHS 计算有效目标函数 | 第27-29页 |
| ·LHS 与RS 效果比较 | 第29-30页 |
| ·MROP 测试问题 | 第30-32页 |
| ·实验仿真及分析 | 第32-33页 |
| ·使用自适应抽样技术提高MOEA 的效率 | 第33-37页 |
| ·自适应抽样技术 | 第33-35页 |
| ·ALHS 效率分析 | 第35页 |
| ·实验仿真及分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 一种新的搜索鲁棒 Pareto 最优解的多目标方法 | 第38-47页 |
| ·对基于“有效目标函数”方法的分析 | 第38-39页 |
| ·新的鲁棒 Pareto 最优解 | 第39-40页 |
| ·MOEA/R 设计及分析 | 第40-41页 |
| ·实验与数据分析 | 第41-45页 |
| ·测试问题一 | 第41-43页 |
| ·测试问题二 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第4章 一种求解复杂 Pareto 解集问题的多目标进化算法 | 第47-61页 |
| ·CPS_MOP 的构造 | 第47-49页 |
| ·传统MOEA 解决CPS_MOP 的缺陷 | 第49-50页 |
| ·基于LHS 的MOEA(LHS-MOEA) | 第50-55页 |
| ·LHS 局部搜索 | 第50-51页 |
| ·基于个体的LHS-MOEA | 第51-54页 |
| ·基于种群的LHS-MOEA | 第54-55页 |
| ·实验仿真及分析 | 第55-60页 |
| ·性能评价指标 | 第55-56页 |
| ·实验结果与分析 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 总结与进一步的工作 | 第61-63页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70-71页 |
| 附录A (攻读硕士学位期间科研成果) | 第71-72页 |
