| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 多目标优化基本概念 | 第10页 |
| 1.2 动态多目标优化问题 | 第10-11页 |
| 1.3 动态多目标进化算法 | 第11-14页 |
| 1.3.1 动态多目标进化算法研究的重要意义 | 第11-12页 |
| 1.3.2 国内外的研究现状 | 第12-14页 |
| 1.3.3 动态多目标进化算法研究中存在的问题和发展趋势 | 第14页 |
| 1.4 基本框架和优化算法 | 第14-16页 |
| 1.4.1 动态多目标进化算法基本框架 | 第14-15页 |
| 1.4.2 优化算法RM-MEDA | 第15-16页 |
| 1.5 本文研究工作 | 第16页 |
| 1.6 论文结构 | 第16-17页 |
| 第2章 基于引导个体的预测策略 | 第17-31页 |
| 2.1 预测种群进化方向的判断算子 | 第18-19页 |
| 2.2 引导个体的产生机制 | 第19-20页 |
| 2.3 避免陷入局部最优的伴随个体产生策略 | 第20页 |
| 2.4 GIPS算法详细描述 | 第20-21页 |
| 2.5 对比试验设计与分析 | 第21-30页 |
| 2.5.1 测试问题 | 第21-24页 |
| 2.5.2 评价指标 | 第24页 |
| 2.5.3 参数设置 | 第24-25页 |
| 2.5.4 性能评价的统计结果对比 | 第25-27页 |
| 2.5.5 获得的解集分布图对比 | 第27-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 预测与记忆相结合的双重策略 | 第31-47页 |
| 3.1 探测与开采并存的预测策略 | 第31-33页 |
| 3.1.1 探测算子 | 第31-32页 |
| 3.1.2 开采算子 | 第32-33页 |
| 3.2 基于最优解集的记忆策略 | 第33-35页 |
| 3.3 PMS算法详细描述 | 第35页 |
| 3.4 对比试验及分析 | 第35-46页 |
| 3.4.1 测试问题和评价指标 | 第35-36页 |
| 3.4.2 参数设置 | 第36-37页 |
| 3.4.3 性能评价的统计结果对比 | 第37-39页 |
| 3.4.4 获得的解集分布图对比 | 第39-45页 |
| 3.4.5 不同策略的效果对比 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于动态环境进化模型的种群多样性保持策略 | 第47-57页 |
| 4.1 动态环境进化模型 | 第47-48页 |
| 4.2 进化模型的实现 | 第48-53页 |
| 4.2.1 环境知识 | 第49页 |
| 4.2.2 环境的评价机制 | 第49-50页 |
| 4.2.3 新环境中的规则 | 第50-52页 |
| 4.2.4 动态环境的促进与导向 | 第52-53页 |
| 4.3 DEE-PDMS的详细描述 | 第53-54页 |
| 4.4 对比实验及分析 | 第54-56页 |
| 4.4.1 测试问题及评价指标 | 第54页 |
| 4.4.2 实验结果 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57-58页 |
| 5.2 后续工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 附录A 攻读硕士学位期间科研成果 | 第64页 |