| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 多目标优化问题发展现状 | 第11-13页 |
| 1.2.2 多目标粒子群优化算法发展现状 | 第13-14页 |
| 1.3 论文结构安排 | 第14-16页 |
| 第2章 多目标优化问题 | 第16-26页 |
| 2.1 多目标优化问题概述 | 第16-21页 |
| 2.1.1 多目标优化问题的基础概念 | 第16-17页 |
| 2.1.2 Pareto非支配解 | 第17页 |
| 2.1.3 适应度值评价 | 第17-21页 |
| 2.2 多目标优化问题的传统解法 | 第21-22页 |
| 2.2.1 加权求和法 | 第21页 |
| 2.2.2 ε–约束法 | 第21-22页 |
| 2.2.3 参考目标举例法 | 第22页 |
| 2.3 多目标优化问题的评价指标 | 第22-25页 |
| 2.3.1 逼近性评估标准 | 第23-24页 |
| 2.3.2 均匀性评估标准 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 多目标粒子群优化算法 | 第26-36页 |
| 3.1 基本粒子群优化算法 | 第26-29页 |
| 3.1.1 粒子群优化算法的原理 | 第26-28页 |
| 3.1.2 粒子群优化算法的步骤和流程图 | 第28-29页 |
| 3.2 多目标粒子群优化算法 | 第29-33页 |
| 3.2.1 全局最优解和个体最优解的选取 | 第30-31页 |
| 3.2.2 外部档案的建立和更新 | 第31-32页 |
| 3.2.3 多目标粒子群算法步骤和流程 | 第32-33页 |
| 3.3 典型的多目标粒子群改进算法 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 CDDWMOPSO算法设计及实现 | 第36-56页 |
| 4.1 基于竞争策略的粒子群优化算法 | 第37-46页 |
| 4.1.1 算法原理 | 第37-39页 |
| 4.1.2 CSO与PSO对比 | 第39-43页 |
| 4.1.3 CSO实现及仿真 | 第43-46页 |
| 4.2 基于多样性检测的动态惯性权重策略 | 第46-48页 |
| 4.3 基于种群多样性反馈的种群分解策略 | 第48-49页 |
| 4.4 CDDWMOPSO算法设计 | 第49-55页 |
| 4.4.1 外部档案的选取 | 第50-51页 |
| 4.4.2 基于竞争策略的全局向导的选取 | 第51-52页 |
| 4.4.3 惯性权重及子种群的参数的确定 | 第52-53页 |
| 4.4.4 算法流程及实现 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 CDDWMOPSO算法仿真实验及分析 | 第56-76页 |
| 5.1 多目标优化算法测试函数 | 第56-60页 |
| 5.1.1 ZDT系列测试函数 | 第56-57页 |
| 5.1.2 DTLZ系列测试函数 | 第57-60页 |
| 5.2 实验参数选择 | 第60-61页 |
| 5.3 CDDWMOPSO与改进的多目标粒子群算法对比实验 | 第61-68页 |
| 5.4 CDDWMOPSO与经典多目标进化算法的对比实验 | 第68-73页 |
| 5.5 CDDWMOPSO在不同决策维度上的表现 | 第73-74页 |
| 5.6 本章小结 | 第74-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第84-86页 |
| 致谢 | 第86页 |