首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

高维多目标进化算法研究及应用

摘要第5-7页
abstract第7-8页
第1章 绪论第12-22页
    1.1 课题的研究意义和目的第12-14页
    1.2 高维多目标进化算法的国内外研究现状第14-18页
    1.3 论文主要研究内容和章节安排第18-22页
第2章 多目标优化算法的相关基本理论第22-37页
    2.1 多目标优化问题的数学模型及相关定义第22-23页
    2.2 多目标进化算法的性能评价指标第23-25页
    2.3 NSGA-II算法简介第25-32页
        2.3.1 遗传操作第27-28页
        2.3.2 精英选择机制第28-31页
        2.3.3 NSGA-II算法流程第31-32页
    2.4 MOEA/D算法简介第32-35页
        2.4.1 MOEA/D算法采用的分解策略第32-33页
        2.4.2 MOEA/D算法中的权重向量第33-34页
        2.4.3 MOEA/D算法流程第34-35页
    2.5 本章小结第35-37页
第3章 基于模糊支配的高维多目标进化算法MFEA第37-58页
    3.1 问题的提出第37-39页
    3.2 交互式模糊支配第39-42页
        3.2.1 模糊支配定义第39-41页
        3.2.2 交互式调整策略的提出第41-42页
    3.3 改进的邻域拥挤密度估计第42-44页
    3.4 双截断快速精英选择策略第44-46页
    3.5 MFEA算法流程及复杂度分析第46-47页
    3.6 实验仿真与结果分析第47-55页
        3.6.1 测试函数的选取第47-49页
        3.6.2 交互式模糊支配有效性测试第49-52页
        3.6.3 MFEA算法性能测试第52-55页
    3.7 本章小结第55-58页
第4章 基于自适应方向向量的高维多目标分解进化算法MOEA/D-AD第58-86页
    4.1 问题的提出第58-60页
    4.2 Tchebycheff分解法的数学分析第60-64页
    4.3 基于方向向量的子问题初始化第64-66页
    4.4 新型自适应调整策略第66-69页
        4.4.1 基于真实解的方向向量再分配第66-67页
        4.4.2 新稀疏方向向量的添加第67-68页
        4.4.3 子问题集的重构第68-69页
    4.5 MOEA/D算法流程及复杂度分析第69-71页
    4.6 实验仿真与结果分析第71-84页
        4.6.1 MOEA/D-AD算法分布性测试第72-82页
        4.6.2 MOEA/D-AD算法收敛性测试第82-84页
    4.7 本章小结第84-86页
第5章 基于多种群的高维多目标混合进化算法MOHEA-AMD第86-102页
    5.1 问题的提出第86-88页
    5.2 均匀初始化与自适应调整第88-90页
    5.3 多种群混合进化机制第90-92页
    5.4 MOHEA-AMD算法流程及复杂度分析第92-93页
    5.5 实验仿真与结果分析第93-100页
    5.7 本章小结第100-102页
第6章 高维多目标进化算法的应用研究第102-127页
    6.1 引言第102页
    6.2 基于高维多目标进化算法的大型船舶主尺度设计第102-110页
        6.2.1 船舶主尺度设计优化模型第103-106页
        6.2.2 船舶主尺度优化的实现步骤第106-107页
        6.2.3 实验仿真与结果分析第107-110页
    6.3 基于高维多目标进化算法的MIMO雷达正交发射波形多相序列设计第110-118页
        6.3.1 MIMO雷达正交波形设计原理第111-112页
        6.3.2 MIMO雷达正交发射波形设计优化模型第112-113页
        6.3.3 MIMO雷达正交波形优化的实现步骤第113-114页
        6.3.4 实验仿真及结果分析第114-118页
    6.4 基于高维多目标进化算法的水路两栖机器人参数设计第118-126页
        6.4.1 水路两栖可变形机器人优化模型第119-122页
        6.4.2 机器人参数优化的实现步骤第122-123页
        6.4.3 实验仿真及结果分析第123-126页
    6.5 本章小结第126-127页
结论第127-130页
参考文献第130-140页
攻读博士学位期间发表的论文和取得的科研成果第140-141页
致谢第141页

论文共141页,点击 下载论文
上一篇:贝叶斯网络模型的变分贝叶斯学习与推理研究
下一篇:基于邻域粗糙集的高光谱波段选择算法研究