基于多目标和超多目标优化问题的智能优化算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.1.1 人工免疫算法 | 第10页 |
| 1.1.2 粒子群优化算法 | 第10-11页 |
| 1.2 优化问题模型 | 第11-12页 |
| 1.3 研究现状 | 第12-15页 |
| 1.3.1 人工免疫系统 | 第12-14页 |
| 1.3.2 粒子群优化算法 | 第14-15页 |
| 1.4 本文的主要工作及其结构 | 第15-17页 |
| 第二章 算法简介及其原理 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 人工免疫系统简介和原理 | 第17-21页 |
| 2.2.1 人工免疫算法术语和简介 | 第17-18页 |
| 2.2.2 人工免疫优化算法原理 | 第18-21页 |
| 2.3 粒子群优化算法简介和原理 | 第21-22页 |
| 2.3.1 粒子群优化算法简介 | 第21-22页 |
| 2.3.2 粒子群优化算法原理 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 人工免疫算法在多目标优化问题的应用 | 第23-42页 |
| 3.1 引言 | 第23-24页 |
| 3.2 双模型免疫算法 | 第24-28页 |
| 3.2.1 DMMO的主要结构框架 | 第24-25页 |
| 3.2.2 进化模块I | 第25-27页 |
| 3.2.3 进化模块II | 第27-28页 |
| 3.3 仿真结果 | 第28-40页 |
| 3.3.1 基准函数 | 第28页 |
| 3.3.2 性能指标 | 第28-29页 |
| 3.3.3 实验参数设置 | 第29-30页 |
| 3.3.4 DMMO与多个自然启发算法比较 | 第30-38页 |
| 3.3.5 双模块和相关算子的优势 | 第38-39页 |
| 3.3.6 模块I的讨论 | 第39-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 粒子群优化算法在超多目标优化问题的应用 | 第42-56页 |
| 4.1 引言 | 第42-43页 |
| 4.2 新颖的粒子群优化算法 | 第43-48页 |
| 4.2.1PSOMO的主要框架 | 第43-45页 |
| 4.2.2 新的亲合度分配方法 | 第45-46页 |
| 4.2.3 存档中进化搜索 | 第46-47页 |
| 4.2.4 存档更新 | 第47页 |
| 4.2.5 速度更新策略 | 第47-48页 |
| 4.3 仿真结果 | 第48-55页 |
| 4.3.1 基准函数和性能指标 | 第49页 |
| 4.3.2 实验参数设置 | 第49-50页 |
| 4.3.3 与超多目标算法进行比较 | 第50-53页 |
| 4.3.4 检测策略的有效性 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 总结 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间的研究成果 | 第63-64页 |
