多目标粒子群优化算法的全局搜索策略研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-37页 |
| 1.1 引言 | 第11-16页 |
| 1.2 PSO算法 | 第16-27页 |
| 1.2.1 PSO算法及改进算法 | 第16-19页 |
| 1.2.2 粒子群的拓扑结构 | 第19-21页 |
| 1.2.3 参数选择 | 第21-25页 |
| 1.2.4 PSO算法的缺陷及改进策略 | 第25-27页 |
| 1.3 多目标优化问题的描述 | 第27-29页 |
| 1.3.1 多目标优化模型 | 第28页 |
| 1.3.2 多目标优化问题解的概念 | 第28-29页 |
| 1.4 解决多目标优化问题的传统方法 | 第29-32页 |
| 1.5 多目标粒子群优化算法的研究现状 | 第32-35页 |
| 1.6 本文主要研究内容及安排 | 第35-37页 |
| 第二章 全局搜索性能度量与测试函数 | 第37-56页 |
| 2.1 引言 | 第37-38页 |
| 2.2 多目标粒子群优化算法 | 第38-40页 |
| 2.2.1 非劣解的保存及档案文件 | 第38-39页 |
| 2.2.2 全局最优解的选取 | 第39-40页 |
| 2.3 多目标粒子群优化算法的一般步骤 | 第40-41页 |
| 2.4 存在的问题及解决策略 | 第41-43页 |
| 2.4.1 存在的问题 | 第41-43页 |
| 2.4.2 解决策略 | 第43页 |
| 2.5 测试函数 | 第43-51页 |
| 2.5.1 DTLZ函数 | 第44-48页 |
| 2.5.2 ZDT函数 | 第48-51页 |
| 2.6 性能度量 | 第51-54页 |
| 2.6.1 收敛性度量 | 第52页 |
| 2.6.2 分布性度量 | 第52-54页 |
| 2.7 小结 | 第54-56页 |
| 第三章 基于模糊偏好信息的多种群全局搜索策略 | 第56-68页 |
| 3.1 引言 | 第56页 |
| 3.2 目标划分及偏好权值 | 第56-59页 |
| 3.2.1 目标划分 | 第56-57页 |
| 3.2.2 偏好权值 | 第57-59页 |
| 3.3 基于模糊偏好信息的多种群多目标粒子群优化 | 第59-67页 |
| 3.3.1 主种群和辅助种群 | 第59-61页 |
| 3.3.2 算法步骤 | 第61-62页 |
| 3.3.3 参数选择 | 第62-63页 |
| 3.3.4 仿真研究及实验结果 | 第63页 |
| 3.3.5 结果分析 | 第63-67页 |
| 3.4 小结 | 第67-68页 |
| 第四章 基于优先阶的均衡选择全局搜索策略 | 第68-88页 |
| 4.1 引言 | 第68页 |
| 4.2 优先阶和最优折衷解 | 第68-71页 |
| 4.2.1 优先阶优化准则 | 第68-70页 |
| 4.2.2 最优折衷解 | 第70-71页 |
| 4.3 基于优先阶的均衡选择多目标粒子群优化 | 第71-87页 |
| 4.3.1 确定最优折衷解 | 第71-73页 |
| 4.3.2 算法步骤 | 第73-74页 |
| 4.3.3 参数选择 | 第74-76页 |
| 4.3.4 仿真研究及实验结果 | 第76-77页 |
| 4.3.5 结果分析 | 第77-87页 |
| 4.4 小结 | 第87-88页 |
| 第五章 基于迁移操作防止早熟的全局搜索策略 | 第88-100页 |
| 5.1 引言 | 第88-89页 |
| 5.2 迁移子及迁移方式 | 第89-90页 |
| 5.2.1 迁移子 | 第89页 |
| 5.2.2 迁移方式 | 第89-90页 |
| 5.3 基于迁移子操作的多目标粒子群优化算法 | 第90-98页 |
| 5.3.1 算法步骤 | 第90-93页 |
| 5.3.2 参数选择 | 第93-94页 |
| 5.3.3 仿真研究及实验结果 | 第94页 |
| 5.3.4 结果分析 | 第94-98页 |
| 5.4 小结 | 第98-100页 |
| 第六章 总结与展望 | 第100-103页 |
| 6.1 全文总结 | 第100-101页 |
| 6.2 未来工作展望 | 第101-103页 |
| 参考文献 | 第103-116页 |
| 致谢 | 第116-117页 |
| 攻读博士学位期间的主要学术成果 | 第117页 |
