复杂问题的多目标进化优化算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-10页 |
| 符号对照表 | 第18-19页 |
| 缩略语对照表 | 第19-24页 |
| 第一章 绪论 | 第24-34页 |
| 1.1 多目标优化问题 | 第24页 |
| 1.2 多目标进化算法简介 | 第24-26页 |
| 1.2.1 基于Pareto的多目标进化算法 | 第25-26页 |
| 1.2.2 基于指标的多目标进化算法 | 第26页 |
| 1.2.3 基于分解的多目标进化算法 | 第26页 |
| 1.3 多目标进化算法的评价测度 | 第26-29页 |
| 1.3.1 收敛性 | 第27-28页 |
| 1.3.2 多样性 | 第28页 |
| 1.3.3 均匀性 | 第28-29页 |
| 1.3.4 混合型 | 第29页 |
| 1.4 研究难点及现状 | 第29-31页 |
| 1.4.1 决策空间复杂的多目标优化问题 | 第29页 |
| 1.4.2 目标空间复杂的多目标优化问题 | 第29-31页 |
| 1.5 本文主要工作与结构安排 | 第31-34页 |
| 第二章 基于方向向量的多目标协同进化算法 | 第34-56页 |
| 2.1 引言 | 第34-35页 |
| 2.2 方向向量 | 第35页 |
| 2.3 基于方向向量的多目标协同进化算法 | 第35-41页 |
| 2.3.1 子群划分 | 第35-38页 |
| 2.3.2 适应度分配 | 第38页 |
| 2.3.3 竞争算子 | 第38-39页 |
| 2.3.4 合作算子 | 第39-40页 |
| 2.3.5 外部集启发式搜索 | 第40页 |
| 2.3.6 算法结构 | 第40页 |
| 2.3.7 本章算法与MOEA/D对比分析 | 第40-41页 |
| 2.4 算法有效性验证与结果分析 | 第41-52页 |
| 2.4.1 参数设置 | 第41-43页 |
| 2.4.2 对比实验 | 第43-52页 |
| 2.5 本章小结 | 第52-56页 |
| 第三章 基于决策空间维数约减的密母局部搜索策略 | 第56-76页 |
| 3.1 引言 | 第56-57页 |
| 3.2 决策子空间 | 第57-58页 |
| 3.3 决策空间可约减的多目标优化问题 | 第58-59页 |
| 3.3.1 决策空间可严格约减的多目标优化问题 | 第58页 |
| 3.3.2 决策空间可弱约减的多目标优化问题 | 第58页 |
| 3.3.3 约减率 | 第58-59页 |
| 3.4 基于决策空间维数约减的密母局部搜索策略 | 第59-61页 |
| 3.4.1 基本框架 | 第59页 |
| 3.4.2 关系分析方法 | 第59-60页 |
| 3.4.3 密母局部搜索策略 | 第60-61页 |
| 3.4.4 可移植性 | 第61页 |
| 3.5 算法有效性验证与结果分析 | 第61-73页 |
| 3.5.1 参数分析 | 第61-63页 |
| 3.5.2 两种密母局部搜索策略分析实验 | 第63页 |
| 3.5.3 对比实验 | 第63-73页 |
| 3.6 本章小结 | 第73-76页 |
| 第四章 基于角解优先的高维多目标非支配排序方法 | 第76-88页 |
| 4.1 引言 | 第76页 |
| 4.2 相关背景 | 第76-77页 |
| 4.2.1 角解 | 第76-77页 |
| 4.2.2 相关方法 | 第77页 |
| 4.3 基于角解优先的非支配排序方法 | 第77-79页 |
| 4.3.1 基本框架 | 第77-78页 |
| 4.3.2 排序方法 | 第78-79页 |
| 4.3.3 高维多目标优化问题的优势 | 第79页 |
| 4.4 算法有效性验证与结果分析 | 第79-86页 |
| 4.4.1 云数据 | 第80-81页 |
| 4.4.2 固定前端数据 | 第81-83页 |
| 4.4.3 混合数据 | 第83-84页 |
| 4.4.4 实际数据 | 第84-85页 |
| 4.4.5 讨论与分析 | 第85-86页 |
| 4.5 本章小结 | 第86-88页 |
| 第五章 基于非线性相关信息熵测度的目标约减方法 | 第88-102页 |
| 5.1 引言 | 第88页 |
| 5.2 矛盾与冗余目标 | 第88-89页 |
| 5.3 非线性相关信息熵 | 第89-91页 |
| 5.4 基于非线性相关信息熵测度的目标约减方法 | 第91-93页 |
| 5.4.1 基本框架 | 第91页 |
| 5.4.2 相关性分析方法 | 第91页 |
| 5.4.3 目标选择与分类方法 | 第91-93页 |
| 5.5 实验结果与分析 | 第93-101页 |
| 5.5.1 算法分析 | 第94-98页 |
| 5.5.2 对比实验 | 第98-101页 |
| 5.6 本章小结 | 第101-102页 |
| 第六章 一种双档案高维多目标进化算法 | 第102-118页 |
| 6.1 引言 | 第102-103页 |
| 6.2 档案算法简介 | 第103-104页 |
| 6.2.1 基本框架 | 第103-104页 |
| 6.2.2 优点与缺点 | 第104页 |
| 6.3 一种双档案高维多目标进化算法 | 第104-105页 |
| 6.3.1 基本框架 | 第104页 |
| 6.3.2 收敛性档案选择方法 | 第104-105页 |
| 6.3.3 多样性档案选择方法 | 第105页 |
| 6.4 算法有效性验证与结果分析 | 第105-116页 |
| 6.4.1 算法分析 | 第106-108页 |
| 6.4.2 对比实验 | 第108-116页 |
| 6.5 本章小结 | 第116-118页 |
| 第七章 重要区域优先的最底点估计方法 | 第118-128页 |
| 7.1 引言 | 第118-119页 |
| 7.2 相关定义 | 第119-120页 |
| 7.3 重要区域优先的最底点估计方法 | 第120-122页 |
| 7.3.1 重要区域定义 | 第120页 |
| 7.3.2 基本框架 | 第120-121页 |
| 7.3.3 算法细节 | 第121-122页 |
| 7.4 算法有效性验证与结果分析 | 第122-127页 |
| 7.4.1 自适应ε-删除策略实验 | 第122页 |
| 7.4.2 运算量和精确度实验 | 第122-125页 |
| 7.4.3 移植性实验 | 第125-127页 |
| 7.5 本章小结 | 第127-128页 |
| 第八章 含噪多目标优化问题的正则模型 | 第128-142页 |
| 8.1 引言 | 第128页 |
| 8.2 正则模型简介 | 第128-129页 |
| 8.3 正则模型的去噪能力分析 | 第129-134页 |
| 8.4 含噪多目标优化问题的正则模型 | 第134-136页 |
| 8.4.1 模型构建 | 第134-135页 |
| 8.4.2 采样方法 | 第135-136页 |
| 8.4.3 模型嵌入方法 | 第136页 |
| 8.5 算法有效性验证与结果分析 | 第136-140页 |
| 8.5.1 算法分析 | 第136-137页 |
| 8.5.2 对比实验 | 第137-140页 |
| 8.6 本章小结 | 第140-142页 |
| 第九章 总结与展望 | 第142-146页 |
| 参考文献 | 第146-164页 |
| 致谢 | 第164-166页 |
| 作者简介 | 第166-167页 |
