| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-26页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-23页 |
| 1.2.1 粒子群优化算法研究进展 | 第13-18页 |
| 1.2.2 多目标粒子群优化算法研究进展 | 第18-20页 |
| 1.2.3 变量分解方法研究进展 | 第20-22页 |
| 1.2.4 偏好方法研究进展 | 第22-23页 |
| 1.3 研究内容及章节安排 | 第23-26页 |
| 1.3.1 研究内容 | 第23-24页 |
| 1.3.2 章节安排 | 第24-26页 |
| 第2章 多目标进化算法及其性能评价 | 第26-36页 |
| 2.1 多目标优化问题 | 第26-28页 |
| 2.1.1 数学模型 | 第26-27页 |
| 2.1.2 Pareto解集 | 第27-28页 |
| 2.2 多目标进化算法 | 第28-33页 |
| 2.2.1 NSGA-Ⅱ与MOEA\D | 第29-33页 |
| 2.3 算法性能评价 | 第33-35页 |
| 2.3.1 收敛性 | 第33-34页 |
| 2.3.2 多样性 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 多目标粒子群优化算法及其改进 | 第36-49页 |
| 3.1 多目标粒子群优化算法(MOPSO) | 第36-39页 |
| 3.1.1 粒子群优化算法 | 第36-38页 |
| 3.1.2 MOPSO流程 | 第38-39页 |
| 3.2 基于双极偏好控制的多目标粒子群优化算法(BPMOPSO) | 第39-42页 |
| 3.2.1 TOPSIS方法 | 第40-41页 |
| 3.2.2 BPMOPSO流程 | 第41-42页 |
| 3.3 多目标粒子群优化算法的改进 | 第42-47页 |
| 3.3.1 变异策略选择 | 第43-44页 |
| 3.3.2 惯性权重设置 | 第44-45页 |
| 3.3.3 精英种群管理 | 第45-46页 |
| 3.3.4 测试函数 | 第46-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 基于变量分解的多目标粒子群优化算法(D-MOPSO) | 第49-63页 |
| 4.1 变量分解策略 | 第49-51页 |
| 4.2 基于变量分解的多目标粒子群优化算法(D-MOPSO) | 第51-56页 |
| 4.2.1 算法框架描述 | 第51-53页 |
| 4.2.2 算法流程 | 第53-56页 |
| 4.3 仿真实验及分析 | 第56-62页 |
| 4.3.1 Pareto前沿对比分析 | 第56-60页 |
| 4.3.2 算法性能对比分析 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 基于双极偏好的滑动窗口参数优化方法 | 第63-72页 |
| 5.1 问题描述 | 第63-64页 |
| 5.2 双极偏好控制策略在滑动窗口检测中的应用 | 第64-66页 |
| 5.2.1 图像检测性能评价方法 | 第64-65页 |
| 5.2.2 双极偏好控制策略 | 第65-66页 |
| 5.3 基于双极偏好的滑动窗口参数优化方法 | 第66-67页 |
| 5.4 仿真实验及分析 | 第67-70页 |
| 5.4.1 双极偏好设置 | 第67-68页 |
| 5.4.2 仿真实验结果与分析 | 第68-70页 |
| 5.4.3 算法运行时间对比 | 第70页 |
| 5.5 本章小结 | 第70-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-82页 |
| 致谢 | 第82-83页 |
| 攻读学位期间主要参加的科研项目及成果 | 第83页 |
