| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及研究意义 | 第9-14页 |
| 1.1.1 研究背景 | 第9-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 研究内容及章节安排 | 第14-16页 |
| 1.2.1 研究内容 | 第14页 |
| 1.2.2 章节安排 | 第14-16页 |
| 2 大规模变量的多目标优化问题及理论基础 | 第16-32页 |
| 2.1 多目标优化问题和进化算法 | 第16-21页 |
| 2.1.1 基本概念和专业术语 | 第16-19页 |
| 2.1.2 进化算法 | 第19-21页 |
| 2.2 多目标粒子群优化算法 | 第21-24页 |
| 2.2.1 粒子群优化算法 | 第21-22页 |
| 2.2.2 多目标粒子群优化算法 | 第22-24页 |
| 2.3 大规模变量的优化问题和合作协同进化框架 | 第24-27页 |
| 2.3.1 合作协同进化框架 | 第24-26页 |
| 2.3.2 协同多目标粒子群优化算法 | 第26-27页 |
| 2.4 多目标进化算法性能评价指标 | 第27-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 基于环形结构的协同多目标粒子群优化算法 | 第32-46页 |
| 3.1 环形结构的粒子群算法 | 第32-34页 |
| 3.1.1 粒子群算法的邻居关系 | 第32-33页 |
| 3.1.2 将环形结构的邻居关系应用于多目标粒子群算法 | 第33-34页 |
| 3.2 基于柯西和高斯分布更新的粒子群算法 | 第34-35页 |
| 3.3 基于环形结构的协同多目标粒子群优化算法步骤 | 第35-37页 |
| 3.4 算法性能对比分析 | 第37-44页 |
| 3.4.1 算法可视化度量对比分析 | 第38-40页 |
| 3.4.2 算法性能指标对比分析 | 第40-44页 |
| 3.5 本章小结 | 第44-46页 |
| 4 RT-CCMOPSO针对合作学习中分组优化的应用 | 第46-55页 |
| 4.1 基于EPSO的合作学习分组模型 | 第47-51页 |
| 4.2 RT-CCMOPSO在合作学习中分组优化的应用 | 第51-54页 |
| 4.2.1 基于EPSO的合作学习分组模型的缺陷 | 第51-52页 |
| 4.2.2 算法性能对比分析 | 第52-54页 |
| 4.3 本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 本文总结 | 第55页 |
| 5.2 进一步研究展望 | 第55-57页 |
| 参考文献 | 第57-65页 |
| 致谢 | 第65页 |
