改进的遗传算法及其在多目标优化中的应用研究

摘要	第1-4页
Abstract	第4-9页
第一章 绪论	第9-16页
·引言	第9-10页
·论文课题研究的目的和意义	第9-10页
·本文所做的工作	第10页
·生物进化与遗传	第10-12页
·生物进化	第10-11页
·生物进化与遗传算法及基本概念	第11-12页
·遗传算法的基本思想	第12-13页
·遗传算法基本要素	第13页
·遗传算法的研究概况	第13-16页
·遗传算法研究概述	第13-14页
·遗传算法研究的新动向	第14-16页
第二章 遗传算法理论概述	第16-38页
·模式定理	第16-19页
·模式的定义	第16-17页
·模式定理	第17-19页
·积木块假说	第19-20页
·内在并行性	第20-21页
·Walsh模式变换	第21-23页
·Walsh函数	第21-22页
·用 Walsh函数表示模式平均适应度	第22-23页
·欺骗问题	第23-24页
·编码	第24-28页
·二进制编码方法	第25-26页
·浮点数编码方法	第26-28页
·适应度函数及其尺度变换	第28-31页
·几种常见的适应度函数	第28-29页
·适应度函数的作用	第29页
·适应度函数的设计	第29-30页
·适应度函数的尺度变换	第30-31页
·遗传操作	第31-38页
·选择算子	第31-34页
·交叉算子	第34-36页
·变异算子	第36-38页
第三章 改进的遗传算法及其应用研究	第38-52页
·简单函数优化实例	第38-41页
·编码	第38-39页
·产生初始种群	第39页
·计算适应度	第39-40页
·遗传操作	第40-41页
·改进的遗传算法	第41-44页
·选择算子的改进	第41-42页
·交叉算子的改进	第42-43页
·变异算子的改进	第43-44页
·组合优化问题的遗传算法	第44-47页
·线性规划问题求解模型	第44-45页
·染色体的编码方式	第45-46页
·适应值的定义及比例变换	第46页
·算例实验	第46-47页
·并行遗传算法	第47-50页
·遗传算法的并行模型	第47-48页
·粗粒度并行遗传算法的实现步骤	第48-49页
·并行遗传算法分析	第49页
·算例实验	第49-50页
·小结	第50-52页
第四章 多目标优化问题的应用研究	第52-61页
·多目标优化问题概述	第52-54页
·多目标优化问题的产生、发展和应用	第52-53页
·多目标优化问题的数学描述	第53页
·目标优化的目标	第53-54页
·占优和Pareto最优	第54-57页
·占优的概念	第54-55页
·用于查找一组非劣解的过程	第55-56页
·种群的非劣分层	第56-57页
·凸的和非凸的多目标优化问题	第57页
·多目标优化和遗传算法的融合、发展状况及分类	第57-61页
·权系数变化法	第58-59页
·并列选择法	第59页
·排序选择法	第59-60页
·共享函数法	第60-61页
第五章 总结与展望	第61-66页
·遗传算法操作描述及其相关改进的总结	第61-62页
·遗传算法研究方向和趋势的展望	第62-64页
·优化搜索方法的研究	第62-63页
·学习系统的遗传算法研究	第63页
·生物进化与遗传算法的研究	第63页
·遗传算法的并行分布处理	第63-64页
·人工生命与遗传算法的研究	第64页
·遗传编程	第64页
·遗传神经网络	第64页
·本文所做工作的展望	第64-65页
·结束语	第65-66页
参考文献	第66-69页
致谢	第69-70页
攻读学位期间发表的学术论文目录和科研情况	第70页
发表的学术论文	第70页
参与的研究项目	第70页