| 中文摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 引言 | 第7-21页 |
| 1.1 多目标优化问题 | 第7-8页 |
| 1.2 基于分解的多目标进化算法 | 第8-14页 |
| 1.2.1 MOEA/D采用的分解方法 | 第8-11页 |
| 1.2.2 邻居的概念 | 第11-12页 |
| 1.2.3 进化算子的选择 | 第12页 |
| 1.2.4 MOEA/D算法流程 | 第12-14页 |
| 1.3 基于分解的多目标进化算法(MOEA/D)研究现状 | 第14-17页 |
| 1.3.1 MOEA/D算法改进 | 第14-16页 |
| 1.3.2 混合算法设计 | 第16页 |
| 1.3.3 算法应用方面 | 第16-17页 |
| 1.4 几种典型的MOEA/D改进 | 第17-19页 |
| 1.4.1 MOEA/D-DE | 第17-18页 |
| 1.4.2 MOEA/D-DRA | 第18-19页 |
| 1.5 本文要完成的主要内容 | 第19-21页 |
| 第二章 自适应邻域调整MOEA/D-DRA | 第21-39页 |
| 2.1 邻域调整策略的背景 | 第21页 |
| 2.2 自适应邻域调整策略 | 第21-26页 |
| 2.2.1 自适应邻域调整的概述 | 第21-23页 |
| 2.2.2 MOEA/D-ANA算法流程 | 第23-25页 |
| 2.2.3 MOEA/D-DRA与MOEA/D-ANA比较 | 第25-26页 |
| 2.3 实验设置 | 第26-32页 |
| 2.3.1 测试函数 | 第26-30页 |
| 2.3.2 实验设置 | 第30-31页 |
| 2.3.3 测试指标 | 第31-32页 |
| 2.4 实验结果 | 第32-36页 |
| 2.5 参数分析 | 第36-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第三章 基于融合策略在MOEA/D-ANA上的改进 | 第39-53页 |
| 3.1 MOEA/D-ANA分析 | 第39页 |
| 3.2 MOEA/D-EANA的两个创新点 | 第39-44页 |
| 3.2.1 子问题选择阈值的调整 | 第39-40页 |
| 3.2.2 自适应的混合算子融合策略 | 第40-42页 |
| 3.2.3 自适应邻域调整策略 | 第42-44页 |
| 3.3 实验设置 | 第44-51页 |
| 3.3.1 实验设置 | 第45页 |
| 3.3.2 实验指标 | 第45页 |
| 3.3.3 实验结果 | 第45-51页 |
| 3.4 本章小结 | 第51-53页 |
| 第四章 基于MOEA/D-EANA的压缩感知信号重构优化 | 第53-63页 |
| 4.1 基于压缩感知的定义 | 第53页 |
| 4.2 传统重构算法的设计 | 第53-54页 |
| 4.2.1 OMP算法 | 第54页 |
| 4.2.2 IHT算法 | 第54页 |
| 4.3 基于MOEA/D-EANA多目标压缩感知重构设计 | 第54-56页 |
| 4.3.1 获取先验信息 | 第55页 |
| 4.3.2 适应值设计 | 第55页 |
| 4.3.3 最优解的选择问题 | 第55页 |
| 4.3.4 MOEA/D-EANA的算法设计 | 第55-56页 |
| 4.4 仿真实验 | 第56-61页 |
| 4.4.1 实验指标 | 第58页 |
| 4.4.2 实验分析与结果 | 第58-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-73页 |
| 致谢 | 第73-75页 |
| 研究生期间参与科研项目及成果 | 第75-77页 |
| 个人简介及联系方式 | 第77页 |
