首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

高维多目标进化优化及降维评价的方法研究

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

论文共139页,点击 下载论文
上一篇:中等城市居民幸福感测评与提升对策研究
下一篇:风电场疲劳分布和有功功率的统一控制