| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 缩略语对照表 | 第13-18页 |
| 第一章 绪论 | 第18-34页 |
| 1.1 研究背景与意义 | 第18-19页 |
| 1.2 组合优化 | 第19-22页 |
| 1.2.1 组合优化问题定义 | 第19-20页 |
| 1.2.2 计算复杂性 | 第20-22页 |
| 1.3 人工智能的研究与发展 | 第22页 |
| 1.4 进化算法的研究与发展 | 第22-30页 |
| 1.4.1 进化算法简介 | 第22-25页 |
| 1.4.2 多智能体进化算法 | 第25页 |
| 1.4.3 多目标进化算法 | 第25-27页 |
| 1.4.4 多任务进化算法 | 第27-29页 |
| 1.4.5 超启发式算法 | 第29-30页 |
| 1.5 本文主要工作 | 第30-34页 |
| 第二章 求解约束满足问题的混合表示方式及多智能体进化算法 | 第34-48页 |
| 2.1 引言 | 第34-35页 |
| 2.2 约束满足问题 | 第35-36页 |
| 2.3 求解约束满足问题的混合表示方式 | 第36-37页 |
| 2.4 基于混合表示方式的多智能体进化算法 | 第37-40页 |
| 2.4.1 智能体定义 | 第37-38页 |
| 2.4.2 针对智能体的进化算子 | 第38-39页 |
| 2.4.3 MAEA_(D&I)-CSP算法流程 | 第39-40页 |
| 2.5 实验仿真及结果分析 | 第40-45页 |
| 2.5.1 二元约束满足问题测试集上的实验结果 | 第40-42页 |
| 2.5.2 图染色测试集上的实验结果 | 第42-45页 |
| 2.6 本章小结 | 第45-48页 |
| 第三章 求解资源受限项目调度问题的移动模式序列表示方式及多智能体进化算法 | 第48-66页 |
| 3.1 引言 | 第48-49页 |
| 3.2 资源受限项目调度问题 | 第49-50页 |
| 3.3 求解资源受限项目调度问题的移动模式序列表示方式 | 第50-56页 |
| 3.3.1 移动模式序列 | 第50-51页 |
| 3.3.2 移动模式序列解码算法 | 第51-56页 |
| 3.4 基于移动模式序列表示方式的多智能体进化算法 | 第56-60页 |
| 3.4.1 智能体定义 | 第56页 |
| 3.4.2 针对智能体的进化算子 | 第56-58页 |
| 3.4.3 MBS_(MAEA)-RCPSP算法流程 | 第58-59页 |
| 3.4.4 时间复杂度分析 | 第59-60页 |
| 3.5 实验仿真及结果分析 | 第60-65页 |
| 3.5.1 实验结果及分析 | 第60-63页 |
| 3.5.2 参数影响性分析 | 第63-65页 |
| 3.6 本章小结 | 第65-66页 |
| 第四章 面向进化多任务的图超启发式优化框架 | 第66-82页 |
| 4.1 引言 | 第66-67页 |
| 4.2 图启发式规则 | 第67页 |
| 4.3 面向进化多任务的图超启发式框架 | 第67-70页 |
| 4.3.1 EMHH算法框架 | 第67-70页 |
| 4.3.2 解的表示和评价 | 第70页 |
| 4.4 考试时间表和图染色问题案例研究 | 第70-81页 |
| 4.4.1 测试问题简介 | 第70-72页 |
| 4.4.2 进化算子 | 第72页 |
| 4.4.3 实验设置 | 第72-73页 |
| 4.4.4 实验分析 | 第73-81页 |
| 4.5 本章小结 | 第81-82页 |
| 第五章 面向“新高考”的高中“走班”排课问题建模及优化算法 | 第82-102页 |
| 5.1 引言 | 第82页 |
| 5.2 高中排课问题背景简介 | 第82-85页 |
| 5.3 高中“走班”排课问题建模 | 第85-88页 |
| 5.3.1 高中排课问题的基本概念 | 第85-86页 |
| 5.3.2 约束 | 第86-87页 |
| 5.3.3 高中“走班”排课问题数学模型 | 第87-88页 |
| 5.4 求解高中“走班”排课问题的模拟退火算法 | 第88-92页 |
| 5.4.1 解的表示方式 | 第88-90页 |
| 5.4.2 解的初始化和邻域变换 | 第90-91页 |
| 5.4.3 两阶段模拟退火算法 | 第91-92页 |
| 5.5 实验仿真及结果分析 | 第92-99页 |
| 5.5.1 实验数据 | 第92-95页 |
| 5.5.2 参数设置及性能评价 | 第95-96页 |
| 5.5.3 人工数据的实验结果及分析 | 第96-98页 |
| 5.5.4 真实数据上的应用 | 第98-99页 |
| 5.6 本章小结 | 第99-102页 |
| 第六章 改进基于分解的进化多目标算法求解多目标背包问题 | 第102-112页 |
| 6.1 引言 | 第102页 |
| 6.2 相关背景 | 第102-105页 |
| 6.2.1 切比雪夫分解方法 | 第102-103页 |
| 6.2.2 替换策略 | 第103页 |
| 6.2.3 MOEA/D算法框架 | 第103-104页 |
| 6.2.4 GR策略 | 第104-105页 |
| 6.2.5 MOKPs定义 | 第105页 |
| 6.3 实验仿真及结果分析 | 第105-110页 |
| 6.3.1 重组算子 | 第105-106页 |
| 6.3.2 评价指标和参数设置 | 第106-107页 |
| 6.3.3 MOEA/D-GR在MOKPs上的实验结果 | 第107页 |
| 6.3.4 参考点对MODA/D性能的影响 | 第107-108页 |
| 6.3.5 参考点对GR策略的影响及改进的GR策略 | 第108-109页 |
| 6.3.6 MOEA/D-IGR在MOKPs上的实验结果 | 第109页 |
| 6.3.7 时间复杂度分析 | 第109-110页 |
| 6.4 本章小节 | 第110-112页 |
| 第七章 总结与展望 | 第112-114页 |
| 7.1 本文工作总结 | 第112-113页 |
| 7.2 未来工作展望 | 第113-114页 |
| 参考文献 | 第114-130页 |
| 致谢 | 第130-132页 |
| 作者简介 | 第132-133页 |
