| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 多目标优化设计的发展概况 | 第9-12页 |
| 1.1.1 多目标优化设计概述 | 第9页 |
| 1.1.2 多目标优化设计的研究现状及发展趋势 | 第9-11页 |
| 1.1.3 课题的研究意义及应用价值 | 第11-12页 |
| 1.2 课题的主要研究内容 | 第12页 |
| 1.3 本章小结 | 第12-13页 |
| 第2章 黑箱多目标优化设计的理论基础 | 第13-33页 |
| 2.1 试验设计 | 第13-17页 |
| 2.1.1 正交试验设计 | 第13-14页 |
| 2.1.2 均匀试验设计 | 第14-16页 |
| 2.1.3 拉丁超立方试验设计 | 第16-17页 |
| 2.2 人工神经网络 | 第17-23页 |
| 2.2.1 BP神经网络 | 第18-20页 |
| 2.2.2 径向基神经网络 | 第20-23页 |
| 2.3 遗传算法的基本原理 | 第23-32页 |
| 2.3.1 遗传算法的主要特点 | 第23-24页 |
| 2.3.2 遗传算法运算的基本流程 | 第24-26页 |
| 2.3.3 编码方法的实现 | 第26-27页 |
| 2.3.4 适应度函数 | 第27-29页 |
| 2.3.5 遗传算子 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 多目标优化系统的实现 | 第33-51页 |
| 3.1 基于遗传算法的多目标优化概述 | 第33-35页 |
| 3.1.1 多目标优化模型 | 第33页 |
| 3.1.2 Pareto最优解 | 第33-35页 |
| 3.2 基于改进NSGA-Ⅱ的多目标优化算法的实现 | 第35-40页 |
| 3.2.1 带精英策略的快速非支配遗传算法 | 第35-38页 |
| 3.2.2 NSGA-Ⅱ改进算法的Matlab实现-gamultiobj函数 | 第38-40页 |
| 3.3 黑箱多目标优化系统的实现 | 第40-49页 |
| 3.3.1 优化系统的总框架 | 第40-43页 |
| 3.3.2 优化系统的实现技术 | 第43-44页 |
| 3.3.3 优化系统的设计 | 第44-48页 |
| 3.3.4 优化系统文件的外部接口 | 第48-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 黑箱多目标优化系统的验证实例 | 第51-67页 |
| 4.1 已知数学模型的多目标优化 | 第51-55页 |
| 4.2 粉煤灰混凝土配合比优化 | 第55-59页 |
| 4.3 凸轮结构优化 | 第59-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第5章 多目标优化的模糊评价 | 第67-75页 |
| 5.1 模糊评价的概述 | 第67-70页 |
| 5.1.1 模糊评价的基本概念 | 第67页 |
| 5.1.2 模糊评价的过程 | 第67-70页 |
| 5.1.3 模糊评价的实现 | 第70页 |
| 5.2 多目标模糊评价实例计算 | 第70-73页 |
| 5.3 本章小结 | 第73-75页 |
| 第6章 结论与展望 | 第75-77页 |
| 6.1 结论 | 第75页 |
| 6.2 展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81页 |