| 目录 | 第1-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-21页 |
| ·进化计算 | 第9-12页 |
| ·进化计算的概念和基本框架 | 第9-10页 |
| ·进化计算的分类 | 第10-11页 |
| ·进化计算的本质优点与适用领域 | 第11-12页 |
| ·人工神经网络 | 第12-15页 |
| ·人工神经元的数学模型 | 第13-14页 |
| ·人工神经网络的研究分类 | 第14-15页 |
| ·人工神经网络的应用及研究方向 | 第15页 |
| ·多目标优化问题的基本概念 | 第15-19页 |
| ·多目标优化的数学模型 | 第16页 |
| ·几个重要概念 | 第16-17页 |
| ·解多目标优化问题的传统方法 | 第17-19页 |
| ·启发和动机 | 第19-20页 |
| ·本文的内容及主要工作 | 第20-21页 |
| 第二章 多目标进化计算 | 第21-27页 |
| ·多目标进化计算的研究现状 | 第21-22页 |
| ·多目标搜索的关键问题 | 第22-27页 |
| ·适应度赋值和选择 | 第23页 |
| ·群体多样性 | 第23-25页 |
| ·文件策略 | 第25-27页 |
| 第三章 多目标进化规划算法 | 第27-35页 |
| ·进化规划算法 | 第27-29页 |
| ·“微遗传算法(Micro-GA)”的基本思想 | 第29页 |
| ·多目标“微进化规划”(Micro-EP)算法 | 第29-31页 |
| ·数值试验与结果分析 | 第31-35页 |
| 第四章 基于Hopfield神经网络的多目标优化问题求解模型 | 第35-42页 |
| ·Hopfield人工神经网络的研究进展 | 第35-36页 |
| ·Hopfield神经网络求解优化问题的数学背景 | 第36-37页 |
| ·连续型Hopfield神经网络优化计算原理与方法 | 第37-40页 |
| ·连续型Hopfield神经网络优化计算原理 | 第37-40页 |
| ·连续型Hopfield神经网络优化计算的方法 | 第40页 |
| ·基于Hopfield神经网络的多目标优化问题求解模型 | 第40-42页 |
| 第五章 动态联盟伙伴选择的多目标优化模型 | 第42-50页 |
| ·动态联盟的研究现状 | 第42页 |
| ·动态联盟伙伴选择问题的提出 | 第42-43页 |
| ·动态联盟伙伴选择的多目标优化模型 | 第43-45页 |
| ·模型的建立 | 第43-44页 |
| ·模型的简化 | 第44-45页 |
| ·改进的进化规划算法对多目标的动态联盟问题求解 | 第45-46页 |
| ·基于Hopfield网络的多目标的动态联盟求解模型 | 第46-50页 |
| 第六章 结束语 | 第50-52页 |
| ·本文研究总结 | 第50页 |
| ·进一步的工作 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间参与的项目和发表的论文 | 第56-57页 |
| 致谢 | 第57页 |
