基于免疫遗传算法的工程项目多目标优化研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·课题研究的背景和意义 | 第8-9页 |
| ·多目标优化方法发展历程和研究现状 | 第9-12页 |
| ·多目标免疫算法 | 第12-13页 |
| ·本文选题和主要研究内容 | 第13-15页 |
| ·本文选题 | 第13-14页 |
| ·本文研究内容 | 第14-15页 |
| 第二章 多目标遗传算法 | 第15-25页 |
| ·遗传算法的基本概念 | 第15-16页 |
| ·遗传算法的运算流程 | 第16-17页 |
| ·遗传算法的基本操作 | 第17-18页 |
| ·常用的几种多目标遗传算法 | 第18-24页 |
| ·向量评估遗传算法(VEGA) | 第18-19页 |
| ·多目标遗传算法(MOCA) | 第19-20页 |
| ·非劣分层遗传算法(NSGA) | 第20-22页 |
| ·小生境 Pareto 遗传算法(NPGA) | 第22-23页 |
| ·基于距离的 Pareto 遗传算法(DPGA) | 第23-24页 |
| ·本章小节 | 第24-25页 |
| 第三章 人工免疫算法 | 第25-35页 |
| ·人工免疫算法 | 第25页 |
| ·人工免疫算法的基本原理 | 第25-28页 |
| ·信息熵 | 第26页 |
| ·亲和力 | 第26-27页 |
| ·浓度 | 第27页 |
| ·期望生存率 | 第27-28页 |
| ·人工免疫算法的基本步骤 | 第28-29页 |
| ·人工免疫算法的收敛性分析 | 第29-30页 |
| ·抗体相似性及多样性的改进 | 第30-31页 |
| ·常用的人工免疫算法 | 第31-34页 |
| ·基于信息熵的人工免疫算法 | 第31-32页 |
| ·基于欧氏距离的人工免疫算法 | 第32-34页 |
| ·人工免疫算法和遗传算法的比较 | 第34-35页 |
| 第四章 基于免疫遗传原理的多目标优化算法 | 第35-46页 |
| ·引言 | 第35页 |
| ·基本的免疫遗传算法 | 第35-37页 |
| ·改进的免疫遗传优化算法的研究 | 第37-42页 |
| ·改进的免疫遗传优化算法的提出 | 第37-38页 |
| ·改进的免疫遗传算法 | 第38-42页 |
| ·数值实验 | 第42-45页 |
| ·本章小节 | 第45-46页 |
| 第五章 实例分析 | 第46-52页 |
| ·实例问题的提出 | 第46-47页 |
| ·模型引入 | 第47-48页 |
| ·决策变量 | 第47页 |
| ·目标方程 | 第47-48页 |
| ·模型的免疫遗传算法的实现 | 第48-50页 |
| ·染色体结构 | 第48页 |
| ·初始化 | 第48-49页 |
| ·适应度的计算 | 第49页 |
| ·遗传免疫操作 | 第49-50页 |
| ·算法终止标准 | 第50页 |
| ·结果分析 | 第50-52页 |
| 第六章 结论与展望 | 第52-54页 |
| ·结论 | 第52-53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 免疫遗传算法的 MATLAB 程序的实现 | 第58-62页 |
| 发表论文和参加科研情况说明 | 第62-63页 |
| 致谢 | 第63页 |
