| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·遗传算法的基本思想 | 第9-10页 |
| ·多目标遗传算法的基本定义 | 第10-14页 |
| ·多目标优化问题的定义 | 第10页 |
| ·最优解的定义 | 第10-11页 |
| ·非支配集的相关概念 | 第11页 |
| ·PARETO 边界 | 第11页 |
| ·遗传算法的操作要素 | 第11-14页 |
| ·遗传操作的一般流程 | 第14-15页 |
| ·遗传算法的优缺点 | 第15-17页 |
| 第2章 几种典型的多目标遗传算法 | 第17-26页 |
| ·NSGA-II(THE NONDOMINATED SORTING GENETIC ALGORITHM) | 第17-21页 |
| ·非支配集的构造方法 | 第17-18页 |
| ·保持解群体分布性和多样性的方法 | 第18-19页 |
| ·Deb’s MOEA | 第19-21页 |
| ·SPEA2 | 第21-23页 |
| ·PAES、PESA 和PESAII | 第23-24页 |
| 小结 | 第24-26页 |
| 第3章 改进的NSGA-II | 第26-33页 |
| ·基本思想 | 第26-27页 |
| ·修剪算法 | 第27-28页 |
| ·测试函数简介 | 第28-29页 |
| ·实验与分析 | 第29-33页 |
| 第4章 目标减少算法 | 第33-41页 |
| ·研究背景 | 第33-34页 |
| ·已经提出的算法 | 第34-35页 |
| ·基于主成分分析的目标减少算法 | 第34页 |
| ·基于最小目标子集的目标减少算法 | 第34-35页 |
| ·新的算法 | 第35-37页 |
| ·最小二乘法原理 | 第35-36页 |
| ·最小二乘法减少冗余目标的处理过程 | 第36页 |
| ·基于最小二乘法的高维目标减少算法 | 第36-37页 |
| ·实验与结果 | 第37-41页 |
| 第5章 基于NSGA-II＋IMP 排课系统的实现 | 第41-49页 |
| ·排课系统需求分析 | 第41-42页 |
| ·排课系统问题描述 | 第42-44页 |
| ·排课数据定义 | 第42-43页 |
| ·排课问题描述 | 第43-44页 |
| ·基于NSGA-II＋IMP 排课系统的设计 | 第44-49页 |
| ·预处理 | 第44-45页 |
| ·染色体编码 | 第45页 |
| ·初始化 | 第45页 |
| ·适应度函数设计 | 第45-47页 |
| ·变异和重排 | 第47页 |
| ·重生 | 第47-49页 |
| 第6章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 附录A （攻读硕士学位期间已公开发表的论文） | 第54页 |