摘要 | 第1-7页 |
ABSTRACT | 第7-12页 |
符号对照表 | 第12-13页 |
缩略语对照表 | 第13-17页 |
第一章 绪论 | 第17-29页 |
·超多目标优化问题的产生背景 | 第17页 |
·超多目标优化问题的简要介绍 | 第17-20页 |
·多目标优化问题的基本概念 | 第17-19页 |
·多目标进化算法的简要介绍 | 第19-20页 |
·超多目标优化问题中的难点和研究现状 | 第20-26页 |
·超多目标优化问题中的难点 | 第20-21页 |
·超多目标优化问题研究进展 | 第21-26页 |
·本论文的研究内容和组织结构 | 第26-29页 |
第二章 几类典型的超多目标进化算法介绍 | 第29-35页 |
·基于分解的多目标进化算法MOEA/D | 第29-31页 |
·基于主成分分析法的目标缩减算法 | 第31-35页 |
·主成分分析法的主要思想及计算步骤 | 第31-32页 |
·算法流程 | 第32-35页 |
第三章 一种新的基于Pareto代表解的多目标缩减进化算法 | 第35-55页 |
·引言 | 第35-36页 |
·冲突目标集和非冗余目标集合的相关定义 | 第36-37页 |
·基于Pareto代表解的多目标缩减进化算法 | 第37-41页 |
·改进MOEA/D生成Pareto代表解集合 | 第37-38页 |
·非冗余目标集合的生成算法 | 第38-41页 |
·算法流程 | 第41页 |
·数值实验 | 第41-53页 |
·测试函数 | 第41-43页 |
·参数设置 | 第43-44页 |
·不同测试函数的实验结果和对比实验比较 | 第44-49页 |
·工程实践算例:汽车侧面碰撞问题 | 第49-50页 |
·算法的时间复杂度分析 | 第50-51页 |
·参数设置对于实验性能的影响 | 第51-53页 |
·本章小结 | 第53-55页 |
第四章 基于聚类算法的多目标缩减进化算法 | 第55-67页 |
·引言 | 第55页 |
·基于聚类算法的多目标缩减进化算法 | 第55-61页 |
·相互依赖系数的计算方法 | 第55-58页 |
·PAM聚类算法完成目标集合的聚类 | 第58-59页 |
·算法流程 | 第59-61页 |
·数值实验 | 第61-66页 |
·参数设置 | 第61-62页 |
·删除冗余目标过程的实例分析 | 第62-63页 |
·算法在不同测试问题中找到非冗余目标集的成功率 | 第63-64页 |
·工程应用算例:暴雨排水系统 | 第64-66页 |
·本章小结 | 第66-67页 |
第五章 自适应权向量设计的多目标分解进化算法 | 第67-75页 |
·引言 | 第67-68页 |
·自适应权向量设计的多目标分解进化算法 | 第68-71页 |
·自适应动态的权向量生成策略 | 第68-70页 |
·最佳权向量的分配机制 | 第70-71页 |
·算法流程 | 第71页 |
·数值试验 | 第71-74页 |
·实验设计与参数设置 | 第71-73页 |
·实验结论和分析 | 第73-74页 |
·本章小结 | 第74-75页 |
第六章 一种新的基于个体支配关系的混合多目标分解进化算法 | 第75-87页 |
·引言 | 第75-76页 |
·新的基于有效阶数的个体支配关系 | 第76-77页 |
·基于新个体支配关系的混合多目标分解进化算法 | 第77-80页 |
·子种群的划分以及个体的更新策略 | 第77-78页 |
·混合进化策略 | 第78-79页 |
·算法流程 | 第79-80页 |
·数值实验 | 第80-85页 |
·实验设计和参数设置 | 第80-82页 |
·对比实验结果 | 第82页 |
·个体新支配关系和局部搜索策略对于算法性能的影响分析 | 第82-84页 |
·参数敏感性分析 | 第84-85页 |
·本章小结 | 第85-87页 |
第七章 考虑物流服务水平的物流配送问题多目标优化模型及求解 | 第87-97页 |
·引言 | 第87页 |
·考虑物流服务水平的物流配送问题多目标优化模型建立 | 第87-91页 |
·问题描述 | 第87-89页 |
·配送中心现有货物周转能力相关的物流服务水平的计算方法 | 第89页 |
·三级供应链模式下物流配送问题的多目标优化模型 | 第89-91页 |
·基于偏好的多目标进化算法求解模型 | 第91-94页 |
·数值实验 | 第94-96页 |
·本章小结 | 第96-97页 |
第八章 全文总结 | 第97-101页 |
·主要工作和贡献 | 第97-98页 |
·研究展望 | 第98-101页 |
参考文献 | 第101-111页 |
致谢 | 第111-113页 |
作者简介 | 第113-115页 |