| 第一章 绪论 | 第1-14页 |
| 1．1 引言 | 第7-8页 |
| 1．2 研究背景 | 第8-12页 |
| 1．2．1 遗传算法 | 第8-9页 |
| 1．2．2 多目标优化算法 | 第9-11页 |
| 1．2．3 遗传算法在多目标优化中的应用与发展趋势 | 第11-12页 |
| 1．3 本文的主要工作 | 第12-13页 |
| 1．4 本文的组织 | 第13-14页 |
| 第二章 遗传算法概述 | 第14-21页 |
| 2．1 遗传算法的原理 | 第14-16页 |
| 2．2 遗传算法的基本步骤 | 第16-18页 |
| 2．3 遗传算法的特点与应用关键 | 第18-21页 |
| 第三章 错位交叉遗传算子 | 第21-34页 |
| 3．1 交叉算子 | 第21-23页 |
| 3．2 传统交叉算子的缺陷 | 第23-24页 |
| 3．3 错位交叉算子 | 第24-27页 |
| 3．3．1 启发 | 第24-25页 |
| 3．3．2 错位交叉算子的设计 | 第25-26页 |
| 3．3．3 错位交叉算子的特点 | 第26-27页 |
| 3．4 算例测试 | 第27-33页 |
| 3．4．1 ”Keane'sbump”问题 | 第27-29页 |
| 3．4．2 网络系统可靠性优化问题 | 第29-33页 |
| 3．5 结论 | 第33-34页 |
| 第四章 一种改进的多目标优化遗传算法 | 第34-48页 |
| 4．1 VR-UC算法 | 第34-36页 |
| 4．1．1 基本思想 | 第34-35页 |
| 4．1．2 算法框架 | 第35-36页 |
| 4．1．3 VR-UC算法特点 | 第36页 |
| 4．2 用于求解MOP的遗传算法实现 | 第36-38页 |
| 4．3 算例测试 | 第38-47页 |
| 4．4．1 测试问题1 | 第40-42页 |
| 4．4．2 测试问题2 | 第42-43页 |
| 4．4．3 测试问题3 | 第43-44页 |
| 4．4．4 测试问题4 | 第44-45页 |
| 4．4．5 测试问题5 | 第45-47页 |
| 4．4 结论 | 第47-48页 |
| 第五章 多目标最小生成树问题 | 第48-66页 |
| 5．1 MC-MST问题 | 第48-50页 |
| 5．1．1 MST | 第48-49页 |
| 5．1．2 mc－MST | 第49-50页 |
| 5．2 对ZHOU和GEN提出的枚举方法的改进 | 第50-58页 |
| 5．3 求解MC-MST问题的多目标优化遗传算法 | 第58-60页 |
| 5．3．1 编码设计 | 第58-60页 |
| 5．3．2 遗传算子 | 第60页 |
| 5．4 算法设计与仿真结果分析 | 第60-65页 |
| 5．4．1 测试问题 | 第60-63页 |
| 5．4．2 算法实现 | 第63页 |
| 5．4．3 仿真结果 | 第63-65页 |
| 5．5 结论 | 第65-66页 |
| 结束语 | 第66-68页 |
| 1． 本文的主要贡献 | 第66页 |
| 2． 对未来工作的展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-71页 |
| 个人简历、在校期间的研究成果及发表的学术论文 | 第71页 |