| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究的意义和背景 | 第11-12页 |
| 1.2 研究的现状 | 第12-14页 |
| 1.3 研究的热点 | 第14-16页 |
| 1.3.1 保持解集多样性 | 第14页 |
| 1.3.2 选择非支配解 | 第14-15页 |
| 1.3.3 archive集的修剪 | 第15-16页 |
| 1.3.4 p_(best)和g_(best)的选取 | 第16页 |
| 1.4 主要研究内容 | 第16-17页 |
| 1.5 论文结构安排 | 第17-19页 |
| 第2章 粒子群算法基础 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 粒子群算法 | 第19-23页 |
| 2.2.1 粒子群算法的起源 | 第19-20页 |
| 2.2.2 粒子群算法的基本思想 | 第20-21页 |
| 2.2.3 粒子群算法流程 | 第21-22页 |
| 2.2.4 粒子群算法的权重系数 | 第22-23页 |
| 2.3 粒子群算法分类 | 第23-24页 |
| 2.3.1 标准粒子群算法的变形 | 第23页 |
| 2.3.2 协同粒子群算法 | 第23-24页 |
| 2.3.3 粒子群算法的混合 | 第24页 |
| 2.3.4 二进制粒子群算法 | 第24页 |
| 2.4 多目标优化问题的数学描述 | 第24-25页 |
| 2.4.1 多目标优化问题的形式化描述 | 第24-25页 |
| 2.4.2 Pareto最优解集和Pareto最优边界 | 第25页 |
| 2.5 多目标粒子群算法分类 | 第25-26页 |
| 2.5.1 聚集函数法 | 第25页 |
| 2.5.2 基于目标函数排序方法 | 第25页 |
| 2.5.3 子群法 | 第25-26页 |
| 2.5.4 基于Pareto的方法 | 第26页 |
| 2.5.5 其他方法 | 第26页 |
| 2.6 小结 | 第26-27页 |
| 第3章 粒子群优化算法参数设置的研究 | 第27-48页 |
| 3.1 引言 | 第27页 |
| 3.2 初始化粒子群算法 | 第27页 |
| 3.3 粒子群算法的领域拓扑 | 第27-28页 |
| 3.4 粒子群算法的混合策略 | 第28-29页 |
| 3.5 粒子群算法的参数设置 | 第29-47页 |
| 3.5.1 参数设置仿真 | 第29-31页 |
| 3.5.2 仿真结果与分析 | 第31-43页 |
| 3.5.3 参数理论分析 | 第43-47页 |
| 3.6 小结 | 第47-48页 |
| 第4章 多目标粒子群优化算法的研究 | 第48-58页 |
| 4.1 引言 | 第48页 |
| 4.2 多目标粒子群算法流程 | 第48-50页 |
| 4.3 实验环境及测试函数 | 第50-51页 |
| 4.3.1 实验环境 | 第50-51页 |
| 4.3.2 测试函数 | 第51页 |
| 4.4 评价标准 | 第51-53页 |
| 4.4.1 收敛性 | 第51-52页 |
| 4.4.2 多样性 | 第52-53页 |
| 4.5 实验结果及分析 | 第53-57页 |
| 4.5.1 实验结果:测试函数一 | 第53-55页 |
| 4.5.2 实验结果:测试函数二 | 第55-57页 |
| 4.6 小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65页 |