| 摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 绪论 | 第20-39页 |
| 1.1 课题背景及研究的目的和意义 | 第20-22页 |
| 1.1.1 课题背景 | 第20-21页 |
| 1.1.2 课题研究的目的和意义 | 第21-22页 |
| 1.2 多目标进化算法研究现状 | 第22-28页 |
| 1.2.1 多目标优化问题 | 第22-23页 |
| 1.2.2 多目标进化算法研究现状 | 第23-28页 |
| 1.3 基于聚类的多目标进化算法研究现状 | 第28-32页 |
| 1.3.1 聚类算法 | 第28-29页 |
| 1.3.2 基于聚类的多目标进化算法研究现状 | 第29-32页 |
| 1.4 结构化多目标进化算法分析 | 第32-35页 |
| 1.4.1 元胞多目标遗传算法 | 第32-33页 |
| 1.4.2 基于分解的多目标进化算法 | 第33-34页 |
| 1.4.3 基于规则模型的多目标分布估计算法 | 第34-35页 |
| 1.5 本文的主要研究内容 | 第35-39页 |
| 第2章 多目标进化算法及巡航导弹航迹规划模型 | 第39-58页 |
| 2.1 引言 | 第39页 |
| 2.2 进化计算与进化算法 | 第39-40页 |
| 2.3 典型的多目标进化算法 | 第40-49页 |
| 2.3.1 快速非支配排序遗传算法 | 第40-41页 |
| 2.3.2 改进的强度Pareto进化算法 | 第41-43页 |
| 2.3.3 S测度选择进化多目标优化算法 | 第43-44页 |
| 2.3.4 带有差分进化算子的基于分解的多目标进化算法 | 第44-45页 |
| 2.3.5 带有目标变换的基于分解的多目标进化算法 | 第45-46页 |
| 2.3.6 基于规则模型的多目标分布估计算法 | 第46-47页 |
| 2.3.7 混合元胞多目标遗传算法 | 第47-48页 |
| 2.3.8 基于自组织映射的混合多目标进化算法 | 第48-49页 |
| 2.4 多目标进化算法标准测试集 | 第49-50页 |
| 2.4.1 GLT标准测试集 | 第50页 |
| 2.4.2 WFG标准测试集 | 第50页 |
| 2.5 多目标进化算法测度方法 | 第50-52页 |
| 2.6 巡航导弹航迹规划模型 | 第52-57页 |
| 2.6.1 地形和威胁表示 | 第53-55页 |
| 2.6.2 优化目标 | 第55-56页 |
| 2.6.3 约束条件 | 第56-57页 |
| 2.6.4 优化变量 | 第57页 |
| 2.7 本章小结 | 第57-58页 |
| 第3章 基于聚类的自适应交配限制策略 | 第58-87页 |
| 3.1 引言 | 第58-59页 |
| 3.2 传统单目标重组算子的不足 | 第59-62页 |
| 3.3 基于近邻传播的自适应多目标进化算法 | 第62-69页 |
| 3.3.1 算法框架 | 第62-64页 |
| 3.3.2 基于近邻传播和重组效用的自适应交配限制策略 | 第64-67页 |
| 3.3.3 新解产生 | 第67-68页 |
| 3.3.4 环境选择 | 第68-69页 |
| 3.4 实验研究 | 第69-74页 |
| 3.4.1 测试实例与性能指标 | 第69-70页 |
| 3.4.2 实验设置 | 第70-72页 |
| 3.4.3 对比研究 | 第72-74页 |
| 3.5 进一步讨论 | 第74-85页 |
| 3.5.1 AMRS组件分析 | 第74-77页 |
| 3.5.2 差分进化算子参数灵敏度分析 | 第77-79页 |
| 3.5.3 基于超体积环境选择的APMO | 第79-82页 |
| 3.5.4 基于APMO-HV算法的巡航导弹航迹规划 | 第82-85页 |
| 3.6 本章小结 | 第85-87页 |
| 第4章 基于聚类的混合高斯模型抽样策略 | 第87-120页 |
| 4.1 引言 | 第87-88页 |
| 4.2 相关背景 | 第88-91页 |
| 4.2.1 多目标分布估计算法 | 第88-89页 |
| 4.2.2 多目标分布估计算法中的高斯模型抽样 | 第89-91页 |
| 4.3 基于聚类的自适应增量多目标进化算法 | 第91-101页 |
| 4.3.1 算法框架 | 第91-92页 |
| 4.3.2 K-means聚类算法 | 第92-94页 |
| 4.3.3 新解产生 | 第94-98页 |
| 4.3.4 环境选择 | 第98-99页 |
| 4.3.5 重用机制 | 第99页 |
| 4.3.6 重组算子的贡献控制 | 第99-101页 |
| 4.4 实验研究 | 第101-105页 |
| 4.4.1 测试实例与性能指标 | 第101页 |
| 4.4.2 实验设置 | 第101-103页 |
| 4.4.3 对比研究 | 第103-105页 |
| 4.5 进一步讨论 | 第105-117页 |
| 4.5.1 WFG测试集求解性能 | 第105-107页 |
| 4.5.2 提出的抽样策略的有效性 | 第107-109页 |
| 4.5.3 混合策略的有效性 | 第109-110页 |
| 4.5.4 自适应策略分析 | 第110-113页 |
| 4.5.5 重用机制的有效性 | 第113-114页 |
| 4.5.6 参数灵敏度分析 | 第114-116页 |
| 4.5.7 基于AMEA算法的巡航导弹航迹规划 | 第116-117页 |
| 4.6 本章小结 | 第117-120页 |
| 第5章 基于聚类-进化过程融合的重组算子 | 第120-145页 |
| 5.1 引言 | 第120-121页 |
| 5.2 前期工作 | 第121-123页 |
| 5.3 自组织映射及其在多目标进化算法中的应用 | 第123-126页 |
| 5.3.1 自组织映射 | 第124-125页 |
| 5.3.2 基于自组织映射的多目标进化算法 | 第125-126页 |
| 5.4 自组织多目标进化算法 | 第126-131页 |
| 5.4.1 算法框架 | 第126-129页 |
| 5.4.2 新解产生 | 第129页 |
| 5.4.3 环境选择 | 第129-131页 |
| 5.5 实验研究 | 第131-136页 |
| 5.5.1 测试实例与性能指标 | 第131-132页 |
| 5.5.2 实验设置 | 第132-133页 |
| 5.5.3 对比研究 | 第133-136页 |
| 5.6 进一步讨论 | 第136-142页 |
| 5.6.1 WFG测试集求解性能 | 第136-138页 |
| 5.6.2 参数灵敏度分析 | 第138-142页 |
| 5.6.3 基于SMEA算法的巡航导弹航迹规划 | 第142页 |
| 5.7 本章小结 | 第142-145页 |
| 第6章 基于在线凝聚聚类的重组算子 | 第145-171页 |
| 6.1 引言 | 第145-146页 |
| 6.2 在线凝聚聚类 | 第146页 |
| 6.3 基于在线聚类的进化算法 | 第146-152页 |
| 6.3.1 算法框架 | 第146-148页 |
| 6.3.2 新解产生 | 第148-150页 |
| 6.3.3 环境选择和在线凝聚聚类 | 第150-152页 |
| 6.4 实验研究 | 第152-158页 |
| 6.4.1 测试实例与性能指标 | 第152-153页 |
| 6.4.2 实验设置 | 第153-154页 |
| 6.4.3 对比研究 | 第154-158页 |
| 6.5 进一步讨论 | 第158-168页 |
| 6.5.1 WFG测试集求解性能 | 第158-160页 |
| 6.5.2 算法性能横向比较 | 第160-161页 |
| 6.5.3 参数灵敏度分析 | 第161-163页 |
| 6.5.4 聚类效果分析 | 第163页 |
| 6.5.5 基于OCEA算法的巡航导弹航迹规划 | 第163-164页 |
| 6.5.6 基于在线凝聚聚类的世代多目标进化算法 | 第164-168页 |
| 6.6 本章小结 | 第168-171页 |
| 结论 | 第171-174页 |
| 参考文献 | 第174-197页 |
| 攻读博士学位期间发表的论文及其他成果 | 第197-200页 |
| 致谢 | 第200-202页 |
| 个人简历 | 第202页 |
