| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 进化计算概述 | 第8-20页 |
| ·生物学背景 | 第8-11页 |
| ·进化计算的基本原理 | 第11-18页 |
| ·遗传算法的基本思想 | 第11页 |
| ·遗传算法的基本概念 | 第11-15页 |
| ·遗传算法的基本操作 | 第15-18页 |
| ·进化计算的研究现状 | 第18-20页 |
| 第2章 进化计算的理论研究 | 第20-26页 |
| ·进化算法的常用理论分析方法 | 第20页 |
| ·一类协同进化算法的动力学模型 | 第20-26页 |
| ·一类协同进化算法的算法描述 | 第20-21页 |
| ·建立任务分解式协同进化算法的基于二进制编码的有限群体模型 | 第21-26页 |
| 第3章 进化计算的实验平台 | 第26-36页 |
| ·常用进化计算平台简介 | 第26页 |
| ·OpenBeagle简介 | 第26-31页 |
| ·OpenBeagle的calss Hierarchy的部分 | 第28-29页 |
| ·OpenBeagle种群结构 | 第29-30页 |
| ·OpenBeagle内部系统(Internal system) | 第30页 |
| ·OpenBeagle进化器(Evolver 及 Operators) | 第30页 |
| ·OpenBeagle架构图 | 第30-31页 |
| ·利用 OpenBeagle构建自己的进化算法 | 第31-33页 |
| ·运行结果显示与解析 | 第33-36页 |
| 第4章 最优解定位遗传算法(OSOGA) | 第36-76页 |
| ·OSOGA算法的提出背景 | 第36-41页 |
| ·OSOGA算法及其描述 | 第41-46页 |
| ·前述 | 第41-43页 |
| ·下面给出基于最优解定位的遗传算法(OSOGA)的描述 | 第43页 |
| ·基于二进制编码的OSOGA | 第43-45页 |
| ·基于实数编码的OSOGA | 第45-46页 |
| ·基于其他表达方式(representation)的OSOGA | 第46页 |
| ·OSOGA算法在单目标优化问题中的性能分析 | 第46-63页 |
| ·收敛性分析 | 第46-48页 |
| ·仿真实验及结果分析 | 第48-63页 |
| ·OSOGA算法在多目标优化问题中的应用及性能分析 | 第63-76页 |
| ·多目标决策综述 | 第63-68页 |
| ·遗传算法在多目标决策中的应用简述 | 第68-69页 |
| ·OSOGA算法在多目标决策中的应用 | 第69页 |
| ·作为效率加速策略的“最优解定位”(OSO)策略 | 第69-75页 |
| ·原生最优解定位(OSO)多目标优化算法 | 第75-76页 |
| 第5章 总结与展望 | 第76-77页 |
| ·本文的主要研究结果与创新 | 第76页 |
| ·进一步的研究展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 作者在攻读硕士学位期间发表的文章 | 第80-81页 |
| 致谢 | 第81页 |
