首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于MOEA/D的改进研究

摘要第5-6页
Abstract第6页
第一章 绪论第7-13页
    1.1 多目标优化问题第7-9页
    1.2 多目标进化算法第9-12页
    1.3 本论文的内容及组织结构第12-13页
第二章 相关研究背景介绍第13-21页
    2.1 MOEA/D简介第13-17页
        2.1.1 MOEA/D中使用的产生权向量的方法第13-14页
        2.1.2 MOEA/D中使用的分解方法第14-15页
        2.1.3 MOEA/D算法框架第15-16页
        2.1.4 MOEA/D的发展近况第16-17页
    2.2 DE简介第17-21页
        2.2.1 DE算法框架第18-19页
        2.2.2 Storn和Price提出的DE进化模式第19-21页
第三章 基于改进的权向量和分解方法的MOEA/D:I-MOEA/D第21-41页
    3.1 I-MOEA/D与MOEA/D的不同第21-23页
        3.1.1 权向量产生方法的不同第21-22页
        3.1.2 分解MOPs的方法不同第22-23页
    3.2 I-MOEA/D的算法框架第23-25页
    3.3 实验测试第25-40页
        3.3.1 测试问题第25-26页
        3.3.2 参数设置第26-27页
        3.3.3 评价指标第27-28页
        3.3.4 实验结果与分析第28-40页
    3.4 本章小结第40-41页
第四章 基于改进差分进化算子的MOEA/D:mMOEA/D第41-54页
    4.1 mMOEA/D与MOEA/D的不同第41-42页
        4.1.1 权向量的产生第41页
        4.1.2 mMOEA/D中DE算子产生的方法第41-42页
    4.2 mMOEA/D的算法框架第42-43页
    4.3 实验测试第43-53页
        4.3.1 测试问题与对比算法第43-45页
        4.3.2 评价指标第45页
        4.3.3 参数设置第45页
        4.3.4 实验结果与分析第45-53页
    4.4 本章小结第53-54页
第五章 基于最优差分进化算子的MOEA/D:MOEA/D-oDE第54-67页
    5.1 MOEA/D-oDE与MOEA/D的不同第54-56页
        5.1.1 最优DE进化模式第54-56页
        5.1.2 “加权和+切比雪夫分解法”第56页
    5.2 MOEA/D-oDE的算法框架第56-58页
    5.3 实验测试第58-66页
        5.3.1 测试问题第58页
        5.3.2 对比算法第58-59页
        5.3.3 评价指标第59页
        5.3.4 参数设置第59-60页
        5.3.5 实验结果与分析第60-65页
        5.3.6 参数敏感性分析第65-66页
    5.4 本章小结第66-67页
第六章 全文总结第67-68页
附录 文本中的测试问题第68-73页
参考文献第73-77页
攻读硕士学位期间的研究成果第77-78页
致谢第78页

论文共78页,点击 下载论文
上一篇:基于纳米发光材料的电致发光传感器检测DNA羟甲基化
下一篇:混合动力汽车电机驱动控制系统的研究