改进遗传算法在多目标问题上的应用研究
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-11页 |
| 1 绪论 | 第11-17页 |
| ·研究背景以及意义 | 第11-13页 |
| ·国内外现状 | 第13-15页 |
| ·本文的主要工作 | 第15-16页 |
| ·论文章节安排 | 第16-17页 |
| 2 多目标遗传算法的基础理论 | 第17-27页 |
| ·多目标问题 | 第17-18页 |
| ·多目标问题的一般描述 | 第17页 |
| ·pareto最优解的相关概念 | 第17-18页 |
| ·多目标算法的性能评价指标 | 第18-20页 |
| ·覆盖度比较 | 第18页 |
| ·收敛性比较 | 第18-19页 |
| ·多样性比较 | 第19-20页 |
| ·多目标测试函数 | 第20-21页 |
| ·有关多目标优化的生产调度问题 | 第21-22页 |
| ·遗传算法 | 第22-25页 |
| ·编码策略 | 第22页 |
| ·选择 | 第22-23页 |
| ·交叉 | 第23-24页 |
| ·变异 | 第24-25页 |
| ·遗传算法的基本流程图 | 第25页 |
| ·遗传算法的特点 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| ３引入外部非劣解集的多目标遗传算法 | 第27-41页 |
| ·传统多目标优化方法 | 第27-30页 |
| ·目标函数的规范化 | 第27页 |
| ·加权求和法 | 第27-29页 |
| ·ε约束法 | 第29页 |
| ·等式约束法 | 第29-30页 |
| ·极大极小目标值法 | 第30页 |
| ·多目标遗传算法 | 第30-32页 |
| ·基于向量评估的多目标遗传算法 | 第31页 |
| ·小生境pareto遗传算法NPGA | 第31页 |
| ·pareto存档进化策略 | 第31-32页 |
| ·基于非劣方向的多目标遗传算法 | 第32-34页 |
| ·单目标问题的下降方向 | 第33页 |
| ·多目标问题的非劣方向 | 第33页 |
| ·基于非劣方向的杂交算子 | 第33-34页 |
| ·NMOGA算法的变异算子 | 第34页 |
| ·NMOGA算法的步骤 | 第34页 |
| ·引入外部非劣档案的多目标遗传算法 | 第34-36页 |
| ·PAGA交叉算子 | 第34-35页 |
| ·PAGA变异算子 | 第35页 |
| ·PAGA算法流程 | 第35-36页 |
| ·实验与仿真 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| ４基于信息熵的多目标遗传算法 | 第41-57页 |
| ·非劣排序遗传算法NSGA | 第41-44页 |
| ·非劣排序 | 第41-42页 |
| ·共享小生境技术 | 第42页 |
| ·NSGA算法的流程 | 第42-43页 |
| ·NSGA算法的特点 | 第43-44页 |
| ·NSGA-2 算法 | 第44-47页 |
| ·快速非劣排序 | 第44页 |
| ·精英保存策略 | 第44-45页 |
| ·拥挤距离与距离比较算子 | 第45-46页 |
| ·NSGA-2 算法的流程 | 第46-47页 |
| ·引入差分局部搜索过程改进NSGA-2 算法 | 第47-48页 |
| ·确定距离阈值的方法 | 第47页 |
| ·选择相邻的个体 | 第47页 |
| ·差分局部搜索 | 第47-48页 |
| ·基于信息熵的改进型NSGA-2 算法 | 第48-50页 |
| ·种群个体的聚类 | 第48页 |
| ·种群的信息熵 | 第48页 |
| ·自适应遗传算子 | 第48-50页 |
| ·基于信息熵的改进NSGA-2 算法的步骤 | 第50页 |
| ·实验与仿真 | 第50-54页 |
| ·对生产调度问题的求解 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| ５结论与展望 | 第57-60页 |
| ·本文的研究成果 | 第57-58页 |
| ·对未来工作的展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 附录A | 第64-65页 |
| 致谢 | 第65页 |
