摘要 | 第4-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-28页 |
1.1 优化问题及非线性优化问题 | 第11-12页 |
1.2 多目标优化问题 | 第12-15页 |
1.2.1 多目标优化问题的定义 | 第12-13页 |
1.2.2 传统多目标优化方法 | 第13-14页 |
1.2.3 多目标进化优化方法 | 第14-15页 |
1.3 高维多目标进化优化方法 | 第15-23页 |
1.4 相关概念 | 第23-25页 |
1.5 多目标进化算法的基本框架 | 第25-27页 |
1.6 本文研究内容及章节安排 | 第27-28页 |
第2章 基于超平面聚类技术的无参数高维多目标进化算法 | 第28-75页 |
2.1 引言 | 第28页 |
2.2 动机 | 第28-33页 |
2.3 ClusterISEA | 第33-38页 |
2.3.1 分布超平面及分布超平面坐标 | 第33-36页 |
2.3.2 聚类选择 | 第36-38页 |
2.4 ClusterISEA框架与时间复杂度分析 | 第38-39页 |
2.4.1 算法框架 | 第38-39页 |
2.4.2 算法时间复杂度分析 | 第39页 |
2.5 对比实验设计与分析 | 第39-74页 |
2.5.1 测试函数及评价指标 | 第40-42页 |
2.5.2 实验参数设置 | 第42页 |
2.5.3 实验的数据统计结果 | 第42-58页 |
2.5.4 实验的平行坐标结果 | 第58-62页 |
2.5.5 实验的盒图结果 | 第62-73页 |
2.5.6 时间耗费 | 第73-74页 |
2.6 本章小结 | 第74-75页 |
第3章 基于旋转网格的高维多目标进化算法 | 第75-104页 |
3.1 引言 | 第75页 |
3.2 动机 | 第75-78页 |
3.3 RGridEA | 第78-85页 |
3.3.1 旋转网格 | 第79-82页 |
3.3.2 旋转网格层与旋转网格簇 | 第82-83页 |
3.3.3 RGridEA个体选择机制 | 第83-85页 |
3.4 RGridEA框架与时间复杂度分析 | 第85-87页 |
3.4.1 算法框架 | 第85-87页 |
3.4.2 算法时间复杂度分析 | 第87页 |
3.5 RGridISEA优势 | 第87-88页 |
3.6 对比实验设计与分析 | 第88-103页 |
3.6.1 测试函数及评价指标 | 第89页 |
3.6.2 实验参数设置 | 第89页 |
3.6.3 实验的数据统计结果 | 第89-98页 |
3.6.4 实验的平行坐标结果 | 第98-103页 |
3.7 本章小结 | 第103-104页 |
第4章 基于目标相似比的高维空间中非冗余目标评价方法 | 第104-121页 |
4.1 引言 | 第104-105页 |
4.2 逆向世代距离非冗余目标评价方法及其不足 | 第105-106页 |
4.3 OSDRS | 第106-108页 |
4.4 实验分析 | 第108-119页 |
4.4.1 DTLZ5的评价结果 | 第109-113页 |
4.4.2 DTLZBZ的评价结果 | 第113-117页 |
4.4.3 Dtlz2的评价结果 | 第117-119页 |
4.5 本章小结 | 第119-121页 |
第5章 基于高维多目标进化算法的文本特征的自动提取 | 第121-128页 |
5.1 前言 | 第121页 |
5.2 目标函数设计 | 第121-124页 |
5.2.1 概率规则 | 第121-123页 |
5.2.2 语义规则 | 第123-124页 |
5.3 高维多目标进化算法的特征值计算(MOEAFE) | 第124-126页 |
5.3.1 编码方案 | 第124页 |
5.3.2 适应度函数 | 第124-125页 |
5.3.3 进化算子设计 | 第125页 |
5.3.4 特征值归属类别的计算 | 第125-126页 |
5.4 实验测试 | 第126-127页 |
5.5 本章小结 | 第127-128页 |
第6章 总结与展望 | 第128-130页 |
6.1 本文总结 | 第128-129页 |
6.2 后续工作与展望 | 第129-130页 |
参考文献 | 第130-137页 |
致谢 | 第137-138页 |
附录A攻读博士学位期间科研成果 | 第138-139页 |