| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 进化多目标优化 | 第9页 |
| 1.2 进化动态多目标优化 | 第9-11页 |
| 1.3 动态多目标进化算法 | 第11-14页 |
| 1.3.1 进化动态多目标优化的重要研究价值 | 第11-12页 |
| 1.3.2 国内外进化动态多目标优化的研究现状 | 第12-13页 |
| 1.3.3 进化动态多目标优化研究的不足以及未来发展方向 | 第13-14页 |
| 1.4 进化动态多目标优化算法框架 | 第14-17页 |
| 1.4.1 环境检测算子 | 第15页 |
| 1.4.2 响应策略 | 第15-16页 |
| 1.4.3 相关的优化算法 | 第16-17页 |
| 第2章 基于预测策略的动态多目标进化算法 | 第17-25页 |
| 2.1 前馈预测策略 | 第17-19页 |
| 2.1.1 基本原理 | 第17-18页 |
| 2.1.2 FPS算法框架 | 第18-19页 |
| 2.2 动态梯度预测策略 | 第19-22页 |
| 2.2.1 梯度预测策略 | 第20页 |
| 2.2.2 选择性记忆策略 | 第20-21页 |
| 2.2.3 动态梯度预测策略的算法框架 | 第21-22页 |
| 2.3 种群预测策略 | 第22-25页 |
| 2.3.1 基本原理 | 第22-23页 |
| 2.3.2 中心点和副本的预测 | 第23-24页 |
| 2.3.3 PPS算法过程 | 第24-25页 |
| 第3章 基于预测及多样性保持的混合策略 | 第25-31页 |
| 3.1 基于预测策略的探测机制 | 第25-27页 |
| 3.2 围绕着POS的开采策略 | 第27-30页 |
| 3.2.1 逐步搜索策略 | 第27-29页 |
| 3.2.2 随机多样性保持策略 | 第29-30页 |
| 3.3 DMS的整体算法框架 | 第30-31页 |
| 第4章 实验设计及分析 | 第31-48页 |
| 4.1 实验设置 | 第32-36页 |
| 4.1.1 测试问题 | 第32-35页 |
| 4.1.2 评价指标 | 第35页 |
| 4.1.3 参数设置 | 第35-36页 |
| 4.2 算法的时间复杂度分析 | 第36-37页 |
| 4.3 实验结果及分析 | 第37-48页 |
| 4.3.1 算法在FDAs和DMOPs上的实验结果 | 第37-40页 |
| 4.3.2 算法在F5-F9上的实验结果 | 第40-42页 |
| 4.3.3 不同算法获得的种群在不同问题上的分布情况的比较 | 第42-45页 |
| 4.3.4 DMS中的不同的策略对算法整体的影响 | 第45-46页 |
| 4.3.5 预测策略以及多样性保持策略对算法的影响 | 第46-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 本文工作总结 | 第48页 |
| 5.2 后续工作展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 附录A | 第55页 |
