基于多机制进化的动态多目标优化研究及其应用
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第14-19页 |
| 1.1 选题背景和意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第2章 动态优化问题概述 | 第19-22页 |
| 2.1 动态多目标优化问题 | 第19-20页 |
| 2.2 动态多目标优化算法的基本框架 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于幅度多变的动态多目标优化算法 | 第22-40页 |
| 3.1 引言 | 第22页 |
| 3.2 NSGA2算法 | 第22-24页 |
| 3.2.1 NSGA2算法概述 | 第22页 |
| 3.2.2 操作步骤 | 第22-24页 |
| 3.3 基于幅度多变的动态多目标优化算法 | 第24-27页 |
| 3.3.1 环境检测机制 | 第24页 |
| 3.3.2 转角改变量 | 第24-25页 |
| 3.3.3 预测机制 | 第25-26页 |
| 3.3.4 算法流程 | 第26-27页 |
| 3.4 实验与分析 | 第27-39页 |
| 3.4.1 测试函数 | 第27-31页 |
| 3.4.2 性能指标 | 第31-32页 |
| 3.4.3 对比算法与实验参数设置 | 第32页 |
| 3.4.4 实验结果分析 | 第32-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于迁移学习的动态多目标优化算法 | 第40-56页 |
| 4.1 引言 | 第40页 |
| 4.2 迁移学习 | 第40-42页 |
| 4.2.1 迁移学习概述 | 第40-41页 |
| 4.2.2 迁移学习的基本方法 | 第41-42页 |
| 4.3 基于迁移学习的动态多目标优化算法 | 第42-46页 |
| 4.3.1 迁移算法TCA | 第42-44页 |
| 4.3.2 优化算法 | 第44页 |
| 4.3.3 历史数据的使用 | 第44-45页 |
| 4.3.4 算法流程 | 第45-46页 |
| 4.4 实验与分析 | 第46-54页 |
| 4.4.1 测试函数 | 第46-49页 |
| 4.4.2 性能指标 | 第49-50页 |
| 4.4.3 对比算法与实验参数设置 | 第50页 |
| 4.4.4 实验结果分析 | 第50-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 动态多目标优化算法的实际应用 | 第56-70页 |
| 5.1 引言 | 第56页 |
| 5.2 TSP问题的动态多目标优化 | 第56-62页 |
| 5.2.1 基本概述 | 第56-57页 |
| 5.2.2 算法表述 | 第57-59页 |
| 5.2.3 实验结果 | 第59-62页 |
| 5.3 PID控制器参数的动态多目标优化 | 第62-69页 |
| 5.3.1 PID控制原理 | 第62-64页 |
| 5.3.2 算法优化分析 | 第64-66页 |
| 5.3.3 实验结果与分析 | 第66-69页 |
| 5.4 本章小结 | 第69-70页 |
| 结论与展望 | 第70-72页 |
| 结论 | 第70页 |
| 展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 附录 攻读学位期间所发表的学术论文目录 | 第79页 |
