| 内容提要 | 第1-10页 |
| 第一章 绪论 | 第10-22页 |
| ·研究背景 | 第10-19页 |
| ·最优化问题 | 第10-11页 |
| ·最优化问题的分类 | 第11-13页 |
| ·最优化方法 | 第13-19页 |
| ·求解最优化问题的数学方法. | 第14-15页 |
| ·基于进化计算求解最优化问题的方法 | 第15-19页 |
| ·本文工作 | 第19-22页 |
| ·研究路线和方法 | 第19页 |
| ·本文研究内容 | 第19-22页 |
| 第二章 粒子群优化和微分进化算法 | 第22-34页 |
| ·引言 | 第22-24页 |
| ·粒子群优化算法. | 第24-28页 |
| ·算法介绍 | 第24-26页 |
| ·参数设置 | 第26-27页 |
| ·惯性权重 | 第26页 |
| ·学习因子 | 第26-27页 |
| ·最大速度 | 第27页 |
| ·群体规模和粒子的维度. | 第27页 |
| ·算法流程 | 第27-28页 |
| ·微分进化算法 | 第28-32页 |
| ·算法介绍 | 第28-31页 |
| ·参数设置 | 第31-32页 |
| ·群体规模 | 第31页 |
| ·放缩因子 | 第31-32页 |
| ·交叉常量 | 第32页 |
| ·算法流程 | 第32页 |
| ·粒子群优化及微分进化算法和其它进化算法的比较 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第三章 粒子群算法求解约束优化问题 | 第34-46页 |
| ·引言 | 第34页 |
| ·约束优化问题 | 第34-36页 |
| ·基本概念 | 第34-35页 |
| ·求解方法 | 第35-36页 |
| ·PSO 求解约束优化问题 | 第36-44页 |
| ·算法提出 | 第37-41页 |
| ·竞争选择（tournament selection） | 第37页 |
| ·半可行域（semi-feasible region） | 第37-39页 |
| ·选择算子 | 第39-40页 |
| ·两个最优个体的选择 | 第40-41页 |
| ·算法流程 | 第41页 |
| ·数值实验 | 第41-44页 |
| ·参数设置 | 第41页 |
| ·测试函数 | 第41-44页 |
| ·结果分析 | 第44页 |
| ·小结 | 第44-46页 |
| 第四章 基于粒子群优化的模糊聚类算法 | 第46-63页 |
| ·引言 | 第46页 |
| ·模糊聚类 | 第46-49页 |
| ·概述 | 第46-48页 |
| ·FCM 算法 | 第48-49页 |
| ·基于粒子群优化的模糊C-均值聚类 | 第49-54页 |
| ·算法引入 | 第49-50页 |
| ·算法分析 | 第50页 |
| ·算法编码 | 第50-51页 |
| ·迭代过程 | 第51页 |
| ·数据仿真 | 第51-54页 |
| ·基于核的粒子群动态模糊聚类算法 | 第54-61页 |
| ·算法概述 | 第54页 |
| ·Mercer 核映射 | 第54-56页 |
| ·算法的提出 | 第56-57页 |
| ·特征空间中的模糊矩阵 | 第57-59页 |
| ·算法描述 | 第59-60页 |
| ·数值实验 | 第60-61页 |
| ·相关参数 | 第60页 |
| ·实验结果 | 第60-61页 |
| ·小结 | 第61-63页 |
| 第五章 基于粒子群优化的多目标进化算法 | 第63-101页 |
| ·引言 | 第63页 |
| ·多目标优化算法 | 第63-80页 |
| ·多目标优化的基本概念 | 第63-66页 |
| ·多目标优化问题的定义 | 第63-64页 |
| ·非劣最优解 | 第64页 |
| ·Pareto 最优前端 | 第64-65页 |
| ·Pareto 支配关系 | 第65-66页 |
| ·传统的多目标优化方法 | 第66-70页 |
| ·线性加权法 | 第66-67页 |
| ·约束法 | 第67-68页 |
| ·目标规划法 | 第68页 |
| ·目标满意法 | 第68-70页 |
| ·最小最大法 | 第70页 |
| ·传统的多目标优化方法的局限性 | 第70-71页 |
| ·多目标进化算法 | 第71-75页 |
| ·不基于Pareto 最优概念的多目标进化算法 | 第71-73页 |
| ·基于Pareto 最优概念的多目标进化算法 | 第73-75页 |
| ·群体多样性的维护 | 第75-79页 |
| ·算法性能评价标准 | 第79-80页 |
| ·最优解评估选取的粒子群多目标进化算法 | 第80-89页 |
| ·算法概述 | 第80页 |
| ·算法提出 | 第80-82页 |
| ·算法分析 | 第82-83页 |
| ·算法流程 | 第83-84页 |
| ·数值实验 | 第84-89页 |
| ·多子群体的粒子群多目标进化算法 | 第89-99页 |
| ·算法概述 | 第89页 |
| ·相关定义 | 第89-90页 |
| ·算法提出 | 第90-94页 |
| ·算法流程 | 第94页 |
| ·数值实验 | 第94-99页 |
| ·测试函数及相关参数设置 | 第94-95页 |
| ·测试结果 | 第95-97页 |
| ·结果分析及结论 | 第97-99页 |
| ·小结 | 第99-101页 |
| 第六章 基于极大极小距离密度的多目标微分进化算法 | 第101-114页 |
| ·引言 | 第101-102页 |
| ·极大极小距离密度 | 第102-103页 |
| ·Pareto 候选解集的维护 | 第103页 |
| ·基于微分进化的选择操作 | 第103-105页 |
| ·算法描述及其时间复杂度分析 | 第105页 |
| ·数值实验 | 第105-111页 |
| ·测试函数及参数设置 | 第105-106页 |
| ·实验结果及分析 | 第106-111页 |
| ·高维多目标测试 | 第111-112页 |
| ·小结 | 第112-114页 |
| 第七章 多目标微分进化算法中退化现象的研究 | 第114-125页 |
| ·引言 | 第114页 |
| ·多目标微分进化算法 | 第114-115页 |
| ·多目标微分进化算法中的两类退化现象 | 第115-117页 |
| ·退化现象Ⅰ | 第115-116页 |
| ·退化现象Ⅱ | 第116-117页 |
| ·多目标微分进化算法中的两类退化现象的改进 | 第117-119页 |
| ·对退化现象Ⅰ的改进 | 第117-118页 |
| ·对退化现象Ⅱ的改进 | 第118-119页 |
| ·改进的多目标微分进化算法 | 第119页 |
| ·数值实验 | 第119-124页 |
| ·测试函数及参数设置 | 第119页 |
| ·实验结果及分析 | 第119-124页 |
| ·小结 | 第124-125页 |
| 第八章 总结与展望 | 第125-130页 |
| ·本文的主要贡献 | 第125-127页 |
| ·本文提出的各种算法的整体评述 | 第127-129页 |
| ·本文进一步的工作 | 第129-130页 |
| 参考文献 | 第130-141页 |
| 作者读博士期间发表的论文 | 第141-144页 |
| 致谢 | 第144-145页 |
| 论文摘要 | 第145-148页 |
| Abstract | 第148-152页 |