| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-30页 |
| 1.1 选题背景和研究意义 | 第13-14页 |
| 1.1.1 选题背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 多目标优化问题 | 第14-17页 |
| 1.2.1 多目标优化问题的数学描述及相关定义 | 第14-16页 |
| 1.2.2 解决多目标优化问题的传统方法 | 第16-17页 |
| 1.3 基于进化算法的多目标优化方法 | 第17-22页 |
| 1.3.1 进化算法 | 第17-18页 |
| 1.3.2 多目标进化算法的发展简史 | 第18-22页 |
| 1.4 多目标优化算法的研究现状 | 第22-27页 |
| 1.4.1 新型智能优化算法与多目标优化技术的结合 | 第23-25页 |
| 1.4.2 引入新策略、新机制的多目标进化算法 | 第25-26页 |
| 1.4.3 多目标优化理论与应用的研究 | 第26-27页 |
| 1.5 本文的主要研究工作 | 第27-30页 |
| 1.5.1 课题论文组织结构 | 第28页 |
| 1.5.2 本文概述 | 第28-30页 |
| 第二章 多目标优化算法的策略分析与性能度量 | 第30-46页 |
| 2.1 多目标优化算法的基本框架 | 第30-32页 |
| 2.2 多目标优化算法的策略分析 | 第32-36页 |
| 2.2.1 适应度赋值 | 第32-33页 |
| 2.2.2 多样性维护 | 第33-35页 |
| 2.2.3 精英保留机制 | 第35-36页 |
| 2.3 精英保留机制的改进与扩展 | 第36-39页 |
| 2.3.1 基于区域的（μ+λ）选择法 | 第36-37页 |
| 2.3.2 具有自我更新机制的外部归档法 | 第37-39页 |
| 2.4 多目标优化算法的测试函数和性能评价指标 | 第39-45页 |
| 2.4.1 测试函数 | 第39-43页 |
| 2.4.2 性能评价指标 | 第43-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第三章 基于分层策略的多目标进化算法 | 第46-66页 |
| 3.1 标准 NSGA - II 算法 | 第46-49页 |
| 3.1.1 算法基本思想 | 第46-47页 |
| 3.1.2 算法的关键技术 | 第47-49页 |
| 3.1.3 算法的基本框架 | 第49页 |
| 3.2 基于分层策略的多目标进化算法 | 第49-58页 |
| 3.2.1 交叉算子的分析与改进 | 第49-52页 |
| 3.2.2 父代个体选择的分析与改进 | 第52-53页 |
| 3.2.3 精英保留机制的分析与改进 | 第53-58页 |
| 3.2.4 算法的主要流程 | 第58页 |
| 3.3 数据实验结果分析 | 第58-65页 |
| 3.3.1 算法性能评价方式 | 第58页 |
| 3.3.2 测试函数 | 第58页 |
| 3.3.3 算法参数设置 | 第58页 |
| 3.3.4 算法测试结果比较和分析 | 第58-65页 |
| 3.4 本章小结 | 第65-66页 |
| 第四章 基于序值变异的多目标差分进化算法 | 第66-84页 |
| 4.1 差分进化算法概述 | 第67-70页 |
| 4.1.1 变异操作 | 第67-68页 |
| 4.1.2 交叉操作 | 第68-69页 |
| 4.1.3 选择操作 | 第69页 |
| 4.1.4 差分进化算法流程图 | 第69-70页 |
| 4.2 基于序值变异的多目标差分进化算法 | 第70-76页 |
| 4.2.1 序值变异策略 | 第71-73页 |
| 4.2.2 越界修补处理 | 第73页 |
| 4.2.3 控制参数的设计 | 第73-74页 |
| 4.2.4 基于拥挤距离最小淘汰的选择操作 | 第74-76页 |
| 4.3 算法的基本框架 | 第76-77页 |
| 4.4 算法测试和分析 | 第77-82页 |
| 4.4.1 算法性能评价方式 | 第77页 |
| 4.4.2 测试函数 | 第77页 |
| 4.4.3 算法参数设置 | 第77页 |
| 4.4.4 算法测试结果比较和分析 | 第77-82页 |
| 4.5 本章小结 | 第82-84页 |
| 第五章 基于外部归档集自适应繁殖的多目标粒子群算法 | 第84-100页 |
| 5.1 粒子群优化算法简介 | 第85-86页 |
| 5.2 基于外部归档集自适应繁殖的多目标粒子群算法 | 第86-93页 |
| 5.2.1 初始解的产生 | 第87页 |
| 5.2.2 惯性权重和加速系数的调整策略 | 第87-89页 |
| 5.2.3 外部归档集的繁殖、更新策略和全局最优粒子的选取策略 | 第89-92页 |
| 5.2.4 个体最优粒子的生成策略 | 第92-93页 |
| 5.3 算法的基本框架 | 第93-95页 |
| 5.4 算法测试比较和分析 | 第95-98页 |
| 5.4.1 算法性能评价方式 | 第95页 |
| 5.4.2 测试函数与参数设置 | 第95页 |
| 5.4.3 算法测试结果比较和分析 | 第95-98页 |
| 5.5 本章小结 | 第98-100页 |
| 第六章 结论与展望 | 第100-103页 |
| 6.1 结论与贡献 | 第100-101页 |
| 6.2 未来工作展望 | 第101-103页 |
| 参考文献 | 第103-116页 |
| 攻读博士学位期间取得的研究成果 | 第116-118页 |
| 致谢 | 第118-119页 |
| 附件 | 第119页 |
