首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于进化算法的复杂多目标优化问题求解

摘要第3-5页
Abstract第5-7页
第一章 绪论第16-30页
    1.1 研究意义第16-18页
        1.1.1 多目标优化问题与多目标进化算法第16-17页
        1.1.2 多目标优化领域内仍面临的挑战第17-18页
    1.2 研究现状第18-23页
        1.2.1 基于解产生策略的多目标进化算法分类第19-20页
        1.2.2 基于解选择策略的多目标进化算法分类第20-22页
        1.2.3 求解复杂多目标优化问题的进化算法第22-23页
    1.3 基本知识第23-27页
        1.3.1 多目标优化问题的基本定义第23-24页
        1.3.2 多目标优化标准测试集第24-26页
        1.3.3 多目标优化性能指标第26-27页
    1.4 本文工作及安排第27-30页
第二章 求解高维多目标优化问题的支配关系第30-44页
    2.1 算法思想第30-33页
    2.2 算法流程第33-38页
        2.2.1 SDR的定义第33-35页
        2.2.2 SDR的效果分析第35-38页
    2.3 实验结果第38-43页
        2.3.1 SDR与其它支配关系的对比结果第38-41页
        2.3.2 NSGA-Ⅱ/SDR与其它高维多目标进化算法的对比结果第41-43页
    2.4 本章总结第43-44页
第三章 求解大规模多目标优化问题的进化算法第44-59页
    3.1 算法思想第44-46页
    3.2 算法流程第46-54页
        3.2.1 LMEA的算法框架第46-47页
        3.2.2 决策变量聚类策略第47-50页
        3.2.3 收敛性相关变量分组策略第50-52页
        3.2.4 LMEA的优化策略第52-54页
    3.3 实验结果第54-58页
        3.3.1 LMEA与其它多目标进化算法的对比结果第54-57页
        3.3.2 LMEA在更大规模的多目标优化问题上的结果第57-58页
    3.4 本章小节第58-59页
第四章 求解具有不规则前沿面的多目标优化问题的进化算法第59-73页
    4.1 算法思想第59-61页
    4.2 算法流程第61-68页
        4.2.1 AR-MOEA的算法框架第61-62页
        4.2.2 AR-MOEA的交配池选择策略第62-63页
        4.2.3 AR-MOEA的参考点自适应策略第63-67页
        4.2.4 AR-MOEA的环境选择策略第67-68页
    4.3 实验结果第68-72页
        4.3.1 AR-MOEA与其它多目标进化算法的对比结果第68-70页
        4.3.2 AR-MOEA与其它参考点自适应策略的对比结果第70-72页
    4.4 本章小节第72-73页
第五章 求解具有不规则前沿面的高维多目标优化问题的进化算法第73-89页
    5.1 算法思想第73-75页
    5.2 算法流程第75-83页
        5.2.1 GFM-MOEA的前沿面拟合模型第75-76页
        5.2.2 GFM-MOEA的模型训练过程第76-81页
        5.2.3 GFM-MOEA的适应度函数第81-82页
        5.2.4 GFM-MOEA的算法流程第82-83页
    5.3 实验结果第83-88页
        5.3.1 GFM-MOEA与其它非高维多目标进化算法的对比结果第83-86页
        5.3.2 GFM-MOEA与其它高维多目标进化算法的对比结果第86-88页
    5.4 本章小节第88-89页
第六章 求解特征选择问题的进化算法第89-101页
    6.1 特征选择问题简介第89-90页
    6.2 新的种群初始化策略和交叉变异算子第90-96页
        6.2.1 AR-MOEA-FS的种群初始化策略第91-92页
        6.2.2 AR-MOEA-FS的交叉算子第92-94页
        6.2.3 AR-MOEA-FS的变异算子第94-96页
    6.3 实验结果第96-100页
        6.3.1 在小规模数据集上的结果第97-98页
        6.3.2 在大规模数据集上的结果第98-100页
    6.4 本章小节第100-101页
第七章 总结与展望第101-104页
    7.1 工作总结第101-102页
    7.2 未来展望第102-104页
参考文献第104-120页
致谢第120-121页
攻读学位期间发表的学术论文第121-123页

论文共123页,点击 下载论文
上一篇:基于表面等离子体共振及酶抑制光谱吸收原理的农药检测方法研究
下一篇:基于模间干涉效应的光纤相对湿度传感器研究