| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题研究背景与意义 | 第13-14页 |
| 1.2 多目标问题的基本概念 | 第14-15页 |
| 1.3 多目标优化在实际问题中的使用 | 第15-18页 |
| 1.3.1 多目标算法解决聚类问题 | 第16页 |
| 1.3.2 多目标算法解决金融投资问题 | 第16-17页 |
| 1.3.3 多目标算法解决公交调度问题 | 第17-18页 |
| 1.4 本文主要创新点 | 第18页 |
| 1.5 论文组织结构 | 第18-21页 |
| 第二章 多目标优化算法理论基础 | 第21-41页 |
| 2.1 多目标算法的一般描述 | 第22-25页 |
| 2.1.1 多目标进化算法介绍 | 第22-23页 |
| 2.1.2 常见的多目标算法 | 第23-24页 |
| 2.1.3 进化算法的发展 | 第24-25页 |
| 2.2 多目标进化算法的设计目标 | 第25-26页 |
| 2.3 多目标进化算法的设计要点 | 第26-36页 |
| 2.3.1 适应值评价 | 第26页 |
| 2.3.2 存档种群更新 | 第26-27页 |
| 2.3.3 精英个体参与 | 第27-28页 |
| 2.3.4 遗传算法中的交叉算子 | 第28-33页 |
| 2.3.5 进化算法中的变异算子 | 第33-35页 |
| 2.3.6 变异过程中的越界处理 | 第35-36页 |
| 2.4 进化算法的测试函数 | 第36-38页 |
| 2.5 进化算法的性能度量指标 | 第38-39页 |
| 2.6 本章小结 | 第39-41页 |
| 第三章 基于膜结构的多目标演化算法 | 第41-61页 |
| 3.1 网络聚类 | 第41-44页 |
| 3.1.1 基于图结构的网络社区探测 | 第43-44页 |
| 3.2 基于膜结构的多目标进化算法(MOEA/DM) | 第44-48页 |
| 3.2.1 MOEA/DM算法简介 | 第44-45页 |
| 3.2.2 目标方程 | 第45-46页 |
| 3.2.3 解的编码以及解码过程 | 第46页 |
| 3.2.4 杂交 | 第46-47页 |
| 3.2.5 进化算法和膜结构的结合 | 第47-48页 |
| 3.3 实验结果 | 第48-59页 |
| 3.3.1 真实网络中的实验结果 | 第50-58页 |
| 3.3.2 未知分类的网络上的实验 | 第58-59页 |
| 3.4 算法步骤 | 第59页 |
| 3.5 本章小结 | 第59-61页 |
| 第四章 MOEA/DM算法解决超过三个目标的优化问题 | 第61-79页 |
| 4.1 背景介绍 | 第61-62页 |
| 4.2 目前解决高维问题的演化进化算法介绍 | 第62-63页 |
| 4.3 高维多目标问题的测试函数以及评价指标 | 第63-73页 |
| 4.4 基于膜结构的多目标优化算法的提出(MOEA/DM) | 第73-75页 |
| 4.4.1 算法设计 | 第73-74页 |
| 4.4.2 算法流程图 | 第74-75页 |
| 4.5 实验结果与分析 | 第75-77页 |
| 4.6 本章小结 | 第77-79页 |
| 第五章 总结与展望 | 第79-81页 |
| 5.1 全文总结 | 第79页 |
| 5.2 今后研究工作展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 附录: 攻读硕士学位期间发表的论文以及专利 | 第85-87页 |
| 致谢 | 第87页 |
