概率模型进化算法和基于偏好选择的多目标进化算法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-10页 |
| CONTENTS | 第10-12页 |
| 第一章 绪论 | 第12-25页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 概率模型进化算法 | 第13-21页 |
| 1.2.1 概率模型进化算法分类 | 第14-16页 |
| 1.2.2 量子进化算法概述 | 第16页 |
| 1.2.3 分布估计算法概述 | 第16-21页 |
| 1.3 基于偏好选择的多目标优化进化算法 | 第21-24页 |
| 1.3.1 多目标优化问题 | 第21-22页 |
| 1.3.2 基于偏好选择的进化多目标优化 | 第22页 |
| 1.3.3 基于偏好选择的多目标进化算法研究现状 | 第22-24页 |
| 1.4 本论文的研究重点和章节安排 | 第24-25页 |
| 第二章 量子进化算法 | 第25-34页 |
| 2.1 量子计算的基本概念与原理 | 第25-27页 |
| 2.1.1 量子比特 | 第25-26页 |
| 2.1.2 量子逻辑门 | 第26-27页 |
| 2.2 量子进化算法 | 第27-29页 |
| 2.2.1 量子染色体 | 第27页 |
| 2.2.2 量子染色体的更新 | 第27-28页 |
| 2.2.3 量子染色体变异 | 第28-29页 |
| 2.3 量子进化算法框架 | 第29页 |
| 2.4 数值仿真实验与结果分析 | 第29-32页 |
| 2.4.1 单变量测试函数 | 第30-31页 |
| 2.4.2 典型测试函数 | 第31-32页 |
| 2.4.3 计算结果与分析 | 第32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于核密度的非参数分布估计算法 | 第34-49页 |
| 3.1 分布估计算法存在的问题 | 第34-35页 |
| 3.2 核密度估计 | 第35-41页 |
| 3.2.1 核函数的选择 | 第36-37页 |
| 3.2.2 最优带宽的确定 | 第37-39页 |
| 3.2.3 有限区间上的核密度估计 | 第39-41页 |
| 3.3 基于核密度的分布估计算法 | 第41-42页 |
| 3.4 差分进化算法 | 第42-43页 |
| 3.5 KDE/DE-EDA算法 | 第43-44页 |
| 3.6 数值实验结果 | 第44-48页 |
| 3.6.1 测试函数 | 第45-47页 |
| 3.6.2 实验结果 | 第47-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 基于偏好选择的多目标进化算法 | 第49-60页 |
| 4.1 多目标优化中的效用函数 | 第49-54页 |
| 4.1.1 效用函数 | 第49-52页 |
| 4.1.2 效用函数的性质 | 第52页 |
| 4.1.3 总效用 | 第52-54页 |
| 4.2 效用函数与EMOA相结合 | 第54-55页 |
| 4.3 边际效用与替代率 | 第55-56页 |
| 4.4 数值试验 | 第56-59页 |
| 4.4.1 测试函数 | 第57页 |
| 4.4.2 实验结果 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间发表论文 | 第67-69页 |
| 致谢 | 第69页 |
