| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究目的与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 多目标优化问题的基本概念 | 第9-10页 |
| 1.2.2 智能算法的分类与研究现状 | 第10-12页 |
| 1.2.3 目前研究中存在的主要问题 | 第12页 |
| 1.3 本文的研究工作与组织结构 | 第12-14页 |
| 第2章 多目标进化算法 | 第14-21页 |
| 2.1 引言 | 第14页 |
| 2.2 多目标进化算法的分类 | 第14-20页 |
| 2.2.1 基于支配的进化算法 | 第14-15页 |
| 2.2.2 基于分解的进化算法 | 第15-18页 |
| 2.2.3 基于粒子群的进化算法 | 第18页 |
| 2.2.4 基于差分操作的进化算法 | 第18-20页 |
| 2.3 基于分解的进化算法的基本步骤 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于自适应操作的进化算法在多目标函数优化的应用 | 第21-38页 |
| 3.1 引言 | 第21页 |
| 3.2 改进的进化算法介绍 | 第21-26页 |
| 3.2.1 组合的差分变异策略 | 第21-23页 |
| 3.2.2 自适应组合操作池选择策略 | 第23-25页 |
| 3.2.3 自适应变量控制策略 | 第25-26页 |
| 3.3 基于自适应操作的进化算法介绍 | 第26页 |
| 3.4 算法仿真 | 第26-37页 |
| 3.4.1 性能评价和实验参数设置 | 第26-28页 |
| 3.4.2 MOEA/D-CDE与其它算法的性能比较 | 第28-32页 |
| 3.4.3 自适应组合操作池有效性验证 | 第32-34页 |
| 3.4.4 自适应变量控制策略有效性验证 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于基因操作的进化算法在多目标函数优化的应用 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 改进的进化算法介绍 | 第38-42页 |
| 4.2.1 基于基因层面的变异策略 | 第38-39页 |
| 4.2.2 混合的自适应基因变异操作池 | 第39-40页 |
| 4.2.3 自适应的混合变异策略 | 第40-42页 |
| 4.3 基于基因操作的进化算法介绍 | 第42页 |
| 4.4 算法仿真 | 第42-48页 |
| 4.4.1 性能测试函数和实验参数设置 | 第42页 |
| 4.4.2 MOEA/D-CDE与其它算法的性能比较 | 第42-46页 |
| 4.4.3 混合的自适应基因变异操作有效性验证 | 第46-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 本文的主要研究工作 | 第50页 |
| 5.2 本文的主要创新点 | 第50-51页 |
| 5.3 研究展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间的研究成果 | 第58页 |
