| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·国内外研究现状及发展趋势 | 第8-12页 |
| ·国内外研究现状 | 第8-11页 |
| ·发展趋势 | 第11-12页 |
| ·本文的主要内容 | 第12页 |
| ·文章的组织结构 | 第12-13页 |
| 2 预备知识概述 | 第13-29页 |
| ·多目标优化 | 第13-17页 |
| ·多目标优化问题的数学模型 | 第13页 |
| ·多目标优化算法分类 | 第13-14页 |
| ·典型的进化多目标优化算法及分析 | 第14-17页 |
| ·人工免疫系统中的克隆选择算法 | 第17-20页 |
| ·人工免疫系统研究历史和现状 | 第17-18页 |
| ·克隆选择算法 | 第18-19页 |
| ·人工免疫系统未来发展 | 第19页 |
| ·基于人工免疫系统的多目标优化算法 | 第19-20页 |
| ·量子进化算法 | 第20-28页 |
| ·量子计算的基本概念与原理 | 第21-22页 |
| ·量子进化算法 | 第22-26页 |
| ·量子进化算法未来研究展望 | 第26-27页 |
| ·量子多目标进化算法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 混沌量子克隆多目标进化算法 | 第29-46页 |
| ·算法设计与实现 | 第29-33页 |
| ·问题表示 | 第29-30页 |
| ·比例克隆 | 第30页 |
| ·混沌量子旋转门变异 | 第30-32页 |
| ·免疫优势抗体种群更新 | 第32页 |
| ·抗体种群更新 | 第32页 |
| ·算法描述 | 第32-33页 |
| ·量子克隆多目标进化算法的结构框架 | 第33页 |
| ·算法的性能分析 | 第33-34页 |
| ·算法的复杂度分析 | 第34页 |
| ·性能度量指标 | 第34-36页 |
| ·两个解集之间的覆盖率(Converage of two sets，CS) | 第35页 |
| ·分布度(Spacing，SP) | 第35页 |
| ·世代距离(Generational distance，GD) | 第35页 |
| ·最大展布(Maximum Spread，MS) | 第35-36页 |
| ·仿真实验 | 第36-44页 |
| ·参数设置 | 第36页 |
| ·测试函数 | 第36-39页 |
| ·实验结果及性能分析 | 第39-44页 |
| ·本章小结 | 第44-46页 |
| 4 非均匀量子克隆多目标进化算法 | 第46-62页 |
| ·算法设计与实现 | 第46-48页 |
| ·非均匀变异 | 第46-47页 |
| ·动态混沌控制参量 | 第47页 |
| ·非均匀量子旋转门变异 | 第47-48页 |
| ·算法描述 | 第48页 |
| ·算法的性能分析 | 第48-49页 |
| ·实验结果与分析 | 第49-61页 |
| ·测试结果及性能分析 | 第49-59页 |
| ·动态混沌控制变量对NQCMEA 性能的影响 | 第59-60页 |
| ·混沌序列对NQCMEA 性能的影响 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 5 结论 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 附录 | 第71页 |