| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-22页 |
| ·多目标优化问题 | 第10-11页 |
| ·基于 Pareto 的多目标最优解集 | 第11-13页 |
| ·Pareto 最优解 | 第11-12页 |
| ·Pareto 最优边界(Pareto front) | 第12-13页 |
| ·多目标进化算法的流程 | 第13-14页 |
| ·多目标进化算法研究历史与现状 | 第14-18页 |
| ·第一阶段 | 第14-16页 |
| ·第二阶段 | 第16-18页 |
| ·几种典型的多目标进化算法 | 第18-20页 |
| ·PESA-II 算法 | 第18页 |
| ·NSGA-II 算法 | 第18-19页 |
| ·SPEA-II 算法 | 第19-20页 |
| ·本文的工作 | 第20-21页 |
| ·论文的组织结构 | 第21-22页 |
| 第2章 多目标进化算法中的收敛性能分析 | 第22-33页 |
| ·MOEA 评价工具的选取 | 第22-23页 |
| ·解集的质量 | 第22页 |
| ·计算效率 | 第22-23页 |
| ·鲁棒性 | 第23页 |
| ·收敛性评价方法 | 第23-27页 |
| ·错误率(ER：error ratio) | 第24页 |
| ·两个解集之间的覆盖率(CS：two set coverage) | 第24-25页 |
| ·世代距离(GD：generational distance) | 第25页 |
| ·最大出错率(ME：maximum pareto front error) | 第25-26页 |
| ·高维空间(hyperarea)及其比率( ratio) (H, HR) | 第26页 |
| ·基于距离的趋近度评价方法 | 第26-27页 |
| ·收敛性的改进措施 | 第27-33页 |
| ·编码表示 | 第27-28页 |
| ·适应度赋值策略 | 第28页 |
| ·选择策略 | 第28-31页 |
| ·控制参数 | 第31-32页 |
| ·遗传算子 | 第32-33页 |
| 第3章 多目标进化算法中收敛条件的加强 | 第33-39页 |
| ·算法设计 | 第33-34页 |
| ·收敛条件的加强 | 第34-35页 |
| ·实验结果 | 第35-38页 |
| ·本章小节 | 第38-39页 |
| 第4章 多目标进化算法中的交叉算子及其改进 | 第39-48页 |
| ·交叉算子研究概况 | 第39-40页 |
| ·对常用实数交叉算子的讨论 | 第40-43页 |
| ·基于二元交叉的差异算子的引入 | 第43-44页 |
| ·模拟二进制交叉与基于二元交叉的差异算子的开发能力比较 | 第44页 |
| ·自适应二元交叉的差异算子的引入 | 第44-45页 |
| ·基于二元交叉的差异算法流程 | 第45页 |
| ·实验 | 第45-47页 |
| ·本章小节 | 第47-48页 |
| 第5章 总结与展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54-55页 |
| 附录A (攻读硕士学位期间公开发表的论文) | 第55页 |
