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

基于锥形分解的高维目标进化算法设计与应用

摘要第5-7页
Abstract第7-9页
英文缩略词第18-19页
第一章 绪论第19-27页
    1.1 研究背景及意义第19-21页
    1.2 国内外研究现状第21-24页
        1.2.1 高维目标进化算法现状第21-23页
        1.2.2 分解型的多目标进化算法现状第23-24页
    1.3 论文研究内容第24-26页
    1.4 论文的组织结构第26-27页
第二章 相关技术概况第27-32页
    2.1 分解型多目标进化算法的标量化方法第27-28页
    2.2 进化算法的重组算子第28-29页
    2.3 多目标进化算法的性能评估指标第29-31页
    2.4 本章总结第31-32页
第三章 基于锥形分解的高维目标进化算法第32-47页
    3.1 锥形分解策略第32-34页
    3.2 标量化方法——带惩罚的方向距离第34-36页
    3.3 锥形更新策略第36-38页
    3.4 重组算子动态选择机制第38-39页
    3.5 MOEA/CD算法流程第39-44页
        3.5.1 MOEA/CD算法主框架第39-40页
        3.5.2 初始化阶段第40-42页
        3.5.3 重组阶段第42-44页
    3.6 MOEA/CD的算法复杂度分析第44-46页
    3.7 本章总结第46-47页
第四章 MOEA/CD算法的实验与分析第47-61页
    4.1 实验配置第47-50页
        4.1.1 标准测试问题第47-48页
        4.1.2 性能评估指标第48页
        4.1.3 对比算法第48页
        4.1.4 算法配置第48-50页
    4.2 算法解集质量分析第50-58页
        4.2.1 MOP系列测试例的解集质量分析第50-52页
        4.2.2 DTLZ系列测试例的解集质量分析第52-58页
    4.3 算法运行效率分析第58-59页
    4.4 本章总结第59-61页
第五章 MOEA/CD算法的扩展研究第61-74页
    5.1 量级化处理第61-64页
        5.1.1 量级化处理机制第61-62页
        5.1.2 实验与分析第62-64页
    5.2 约束处理第64-69页
        5.2.1 基于阈值比较的约束处理机制第64-66页
        5.2.2 实验与分析第66-69页
    5.3 不规则前沿处理第69-73页
        5.3.1 方向向量自适应调整机制第70-71页
        5.3.2 实验与分析第71-73页
    5.4 本章总结第73-74页
第六章 实践工程问题上的实验与分析第74-88页
    6.1 无约束工程问题第74-78页
        6.1.1 车辆正面耐撞性优化设计问题第74-75页
        6.1.2 汽车驾驶室设计问题第75-76页
        6.1.3 实验与分析第76-78页
    6.2 带约束工程问题第78-87页
        6.2.1 车辆侧面碰撞问题第78-81页
        6.2.2 刨床加工问题第81-82页
        6.2.3 水源管理问题第82-84页
        6.2.4 实验与分析第84-87页
    6.3 本章总结第87-88页
第七章 总结与展望第88-91页
    7.1 工作总结第88-89页
    7.2 未来展望第89-91页
参考文献第91-97页
附录第97-104页
    附录 1 实验环境第97页
    附录 2 MOP测试例的数学表示第97-99页
    附录 3 DTLZ测试例的数学表示第99-104页
攻读硕士学位期间取得的研究成果第104-106页
致谢第106-107页
附件第107页

论文共107页,点击 下载论文
上一篇:基于云计算的服务组合关键技术研究与实现
下一篇:面向教育机器人的图形化编程模块设计及优化