| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-18页 |
| 第一章 绪论 | 第18-28页 |
| 1.1 引言 | 第18-19页 |
| 1.2 多目标优化问题的数学模型以及相关定义 | 第19页 |
| 1.3 解集的评价指标 | 第19-21页 |
| 1.4 多目标优化问题发展的概况 | 第21-25页 |
| 1.5 论文的主要工作和组织结构 | 第25-28页 |
| 第二章 基于机器学习的正交多目标进化算法 | 第28-48页 |
| 2.1 引言 | 第28-29页 |
| 2.2 基于机器学习的正交进化算法 | 第29-37页 |
| 2.2.1 机器学习(LA) | 第29-31页 |
| 2.2.1.1 更新细胞的值 | 第30页 |
| 2.2.1.2 路径值 | 第30页 |
| 2.2.1.3 基于细胞选择的变异 | 第30-31页 |
| 2.2.2 基于机器学习的定量正交交叉(QOXLA) | 第31-34页 |
| 2.2.3 新的基于目标空间分解的适应度函数 | 第34-35页 |
| 2.2.4 更新策略 | 第35页 |
| 2.2.5 选择策略 | 第35-36页 |
| 2.2.6 算法步骤 | 第36-37页 |
| 2.3 数值实验 | 第37-47页 |
| 2.3.1 测试问题 | 第37页 |
| 2.3.2 参数设置 | 第37-41页 |
| 2.3.3 实验结果与分析 | 第41-43页 |
| 2.3.4 参数敏感性分析 | 第43-47页 |
| 2.4 本章小结 | 第47-48页 |
| 第三章 基于目标空间分解的多目标进化算法 | 第48-58页 |
| 3.1 引言 | 第48-49页 |
| 3.2 基于目标空间分解的多目标进化算法 | 第49-50页 |
| 3.2.1 解的分类 | 第49页 |
| 3.2.2 更新策略 | 第49-50页 |
| 3.2.3 选择策略 | 第50页 |
| 3.2.4 算法步骤 | 第50页 |
| 3.3 实验分析 | 第50-55页 |
| 3.3.1 测试问题 | 第51-52页 |
| 3.3.2 实验参数设置 | 第52页 |
| 3.3.3 实验结果与分析 | 第52-55页 |
| 3.4 本章小结 | 第55-58页 |
| 第四章 基于收缩非支配区域的排序法 | 第58-70页 |
| 4.1 引言 | 第58-59页 |
| 4.2 新的收缩非支配区域法 | 第59-63页 |
| 4.2.1 收缩非支配区域和目标空间 | 第60-62页 |
| 4.2.2 收缩非支配区域的影响 | 第62-63页 |
| 4.3 实验研究 | 第63-68页 |
| 4.3.1 测试问题 | 第63-64页 |
| 4.3.2 实验参数设置 | 第64-65页 |
| 4.3.3 实验结果与分析 | 第65-68页 |
| 4.4 本章小结 | 第68-70页 |
| 第五章 高维多目标优化问题的基于分解和新排序法的进化算法 | 第70-88页 |
| 5.1 引言 | 第70-72页 |
| 5.2 基于收缩非支配区域的排序法 | 第72页 |
| 5.3 均匀设计(Uniform Design) | 第72-75页 |
| 5.3.1 在集合[l, u]和C上的均匀设计 | 第74页 |
| 5.3.2 在单位球U(m)上的均匀设计 | 第74-75页 |
| 5.4 基于分解和排序法的多目标进化算法 | 第75-81页 |
| 5.4.1 目标空间的分解和种群的分类 | 第76页 |
| 5.4.2 更新策略 | 第76-77页 |
| 5.4.3 交叉操作 | 第77-78页 |
| 5.4.4 选择策略 | 第78-79页 |
| 5.4.5 算法步骤 | 第79-81页 |
| 5.5 实验研究 | 第81-86页 |
| 5.5.1 测试函数 | 第82页 |
| 5.5.2 实验参数设置 | 第82页 |
| 5.5.3 实验结果与分析 | 第82-86页 |
| 5.5.4 参数敏感性分析 | 第86页 |
| 5.6 本章小结 | 第86-88页 |
| 第六章 总结和展望 | 第88-90页 |
| 6.1 全文工作总结 | 第88-89页 |
| 6.2 工作展望 | 第89-90页 |
| 参考文献 | 第90-104页 |
| 致谢 | 第104-106页 |
| 作者简介 | 第106-108页 |