| 摘要 | 第4-7页 |
| abstract | 第7-11页 |
| 第1章 绪论 | 第21-35页 |
| 1.1 研究背景及意义 | 第21-24页 |
| 1.2 高维多目标优化面临的困难 | 第24-27页 |
| 1.3 研究动机 | 第27-29页 |
| 1.4 主要工作 | 第29-31页 |
| 1.5 论文创新点 | 第31-32页 |
| 1.6 论文结构 | 第32-33页 |
| 1.7 本章总结 | 第33-35页 |
| 第2章 国内外研究现状 | 第35-57页 |
| 2.1 高维多目标优化算法综述 | 第35-50页 |
| 2.2 最优软件产品选择综述 | 第50-56页 |
| 2.3 本章总结 | 第56-57页 |
| 第3章 基础知识 | 第57-65页 |
| 3.1 (高维)多目标优化问题 | 第57-58页 |
| 3.2 性能指标 | 第58-60页 |
| 3.3 测试问题 | 第60-62页 |
| 3.4 PF曲面采样方法 | 第62-63页 |
| 3.5 本章总结 | 第63-65页 |
| 第4章 基于夹角的高维多目标演化算法：VaEA | 第65-99页 |
| 4.1 引言 | 第65-66页 |
| 4.2 VaEA算法描述 | 第66-79页 |
| 4.3 VaEA实验仿真 | 第79-94页 |
| 4.4 VaEA算法在两个工程实际问题的应用 | 第94-96页 |
| 4.5 本章小结 | 第96-99页 |
| 第5章 基于历史解和标量投影的高维多目标粒子群优化算法：MaPSO | 第99-137页 |
| 5.1 引言 | 第99-101页 |
| 5.2 MaPSO算法描述 | 第101-113页 |
| 5.3 MaPSO的时间复杂度分析 | 第113-114页 |
| 5.4 MaPSO的实验仿真 | 第114-128页 |
| 5.5 有关MaPSO算法的进一步讨论 | 第128-136页 |
| 5.6 本章总结 | 第136-137页 |
| 第6章 基于分解的高维多目标人工蜂群算法：MOABC/D | 第137-167页 |
| 6.1 引言 | 第137-140页 |
| 6.2 MOABC/D算法描述 | 第140-150页 |
| 6.3 MOABC/D的实验仿真及有关讨论 | 第150-163页 |
| 6.4 MOABC/D的参数灵敏度分析 | 第163-166页 |
| 6.5 本章总结 | 第166-167页 |
| 第7章 高维多目标优化算法在最优软件产品选择的实际应用 | 第167-209页 |
| 7.1 引言 | 第167-171页 |
| 7.2 特征模型简介 | 第171-172页 |
| 7.3 SATVaEA算法 | 第172-180页 |
| 7.4 实验设置 | 第180-185页 |
| 7.5 实验结果 | 第185-206页 |
| 7.6 本章总结 | 第206-209页 |
| 第8章 最优软件产品选择问题的进一步讨论 | 第209-225页 |
| 8.1 不同SAT求解器对SATVaEA的影响 | 第209-216页 |
| 8.2 集成用户偏好的高维多目标软件产品选择算法 | 第216-223页 |
| 8.3 本章总结 | 第223-225页 |
| 第9章 结束语与未来展望 | 第225-229页 |
| 参考文献 | 第229-255页 |
| 致谢 | 第255-257页 |
| 攻读博士学位期间发表和完成的论文 | 第257-259页 |
