协同进化多目标优化算法的改进与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 插图或附表清单 | 第12-13页 |
| 引言 | 第13-14页 |
| 1 绪论 | 第14-17页 |
| ·MOP的研究历程与研究现状 | 第14页 |
| ·MECA的研究历程与现状 | 第14-15页 |
| ·论文的研究意义和内容 | 第15-17页 |
| ·论文的研究意义 | 第15-16页 |
| ·论文的主要内容 | 第16-17页 |
| 2 多目标进化算法 | 第17-23页 |
| ·MOP的相关概念 | 第17-19页 |
| ·MOP的相关概念 | 第17-18页 |
| ·多目标优化问题最优解的评价标准 | 第18-19页 |
| ·MOEA的流程 | 第19页 |
| ·典的多目标进化算法 | 第19-23页 |
| ·线性加权法 | 第19-20页 |
| ·向量评估遗传算法(VEGA) | 第20-21页 |
| ·多目标遗传算法(MOGA) | 第21-22页 |
| ·小生境Pareto遗传算法(NPGA) | 第22-23页 |
| 3 协同进化算法 | 第23-28页 |
| ·遗传算法 | 第23-24页 |
| ·协同进化算法 | 第24-27页 |
| ·基于种间竞争机制的协同进化算法 | 第24-25页 |
| ·基于捕食-猎物机制的协同进化遗传算法 | 第25页 |
| ·基于共生机制的协同进化算法 | 第25-27页 |
| ·协同进化算法的优缺点 | 第27-28页 |
| 4 基于聚集密度的协同进化多目标优化算法 | 第28-34页 |
| ·聚集密度 | 第28-29页 |
| ·CMOEA的基本思想 | 第29-30页 |
| ·基于聚集密度的协同进化多目标优化算法 | 第30-31页 |
| ·数值实验与计算性能测评 | 第31-34页 |
| 5 自适应协同进化多目标进化算法 | 第34-41页 |
| ·协同算子 | 第34-35页 |
| ·自适应协同进化多目标进化算法 | 第35-37页 |
| ·ACMOEA性能测试 | 第37-41页 |
| 6 CMOEA在车间调度中的应用 | 第41-47页 |
| ·车间调度问题描述 | 第41页 |
| ·求解Job Shop的CMOEA | 第41-44页 |
| ·编码 | 第42-43页 |
| ·复制 | 第43页 |
| ·交叉 | 第43页 |
| ·变异 | 第43-44页 |
| ·数值实验与算法性能评测 | 第44-47页 |
| 总结 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50-51页 |
| 作者简介及读研期间主要科研成果 | 第51页 |
