| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题研究的目的和意义 | 第11-12页 |
| ·多目标优化算法的发展与研究现状 | 第12-14页 |
| ·古典的多目标优化方法 | 第12-13页 |
| ·基于进化算法的多目标优化方法 | 第13-14页 |
| ·基于粒子群算法的多目标优化方法 | 第14页 |
| ·论文的主要工作和安排 | 第14-16页 |
| 第2章 多目标优化基础 | 第16-26页 |
| ·多目标优化问题的数学描述 | 第16-18页 |
| ·多目标优化算法的设计目标 | 第18页 |
| ·多目标优化算法的关键理论 | 第18-22页 |
| ·适应度函数的选取 | 第19页 |
| ·最优个体选择策略 | 第19-22页 |
| ·多目标优化方法的性能度量 | 第22-25页 |
| ·逼近性度量指标 | 第23-24页 |
| ·均匀性度量指标 | 第24-25页 |
| ·综合性度量指标 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 粒子群优化算法 | 第26-36页 |
| ·标准粒子群优化算法 | 第26-29页 |
| ·标准粒子群优化算法基本原理 | 第26-28页 |
| ·离散粒子群优化算法基本原理 | 第28-29页 |
| ·粒子群优化算法基本流程 | 第29-30页 |
| ·粒子群算法的收敛性分析 | 第30-32页 |
| ·粒子群算法的时间复杂度分析 | 第32-33页 |
| ·算法时间复杂度基本概念 | 第32-33页 |
| ·标准粒子群优化算法的时间复杂度 | 第33页 |
| ·粒子群算法与其他算法比较 | 第33-34页 |
| ·粒子群算法与蚁群算法 | 第33-34页 |
| ·粒子群算法与遗传算法 | 第34页 |
| ·粒子群算法与传统算法 | 第34页 |
| ·本章小结 | 第34-36页 |
| 第4章 改进的多尺度变异粒子群算法 | 第36-46页 |
| ·几种常用的变异操作 | 第36-38页 |
| ·均匀变异 | 第36页 |
| ·非均匀变异 | 第36-37页 |
| ·高斯变异 | 第37页 |
| ·多项式变异 | 第37-38页 |
| ·四种变异算子比较 | 第38-39页 |
| ·多尺度变异粒子群算法 | 第39-43页 |
| ·多尺度变异算子 | 第39-42页 |
| ·粒子速度更新方式 | 第42页 |
| ·个体最优值与全局最优值的选取 | 第42-43页 |
| ·算法的收敛机理分析 | 第43页 |
| ·改进粒子群算法求解多目标优化问题流程 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 实验结果及分析 | 第46-57页 |
| ·改进的粒子群算法 Benchmark 函数对比试验 | 第46-48页 |
| ·测试函数 | 第46-47页 |
| ·实验结果分析 | 第47-48页 |
| ·两维多目标优化问题实验分析 | 第48-52页 |
| ·测试函数 | 第48-49页 |
| ·实验结果分析 | 第49-52页 |
| ·三维多目标优化问题实验分析 | 第52-55页 |
| ·测试问题 | 第52-53页 |
| ·实验结果分析 | 第53-55页 |
| ·尺度个数对算法性能的影响 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |