| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 课题背景及研究意义 | 第13-14页 |
| 1.1.1 课题背景 | 第13页 |
| 1.1.2 课题研究意义 | 第13-14页 |
| 1.2 国内外布谷鸟算法研究现状 | 第14-17页 |
| 1.2.1 布谷鸟算法单目标优化问题研究现状 | 第14-16页 |
| 1.2.2 布谷鸟算法多目标优化问题研究现状 | 第16-17页 |
| 1.3 论文内容及章节安排 | 第17-20页 |
| 第2章 布谷鸟搜索算法及算法性能评价 | 第20-29页 |
| 2.1 基本布谷鸟搜索算法 | 第20-23页 |
| 2.1.1 布谷鸟搜索算法仿生原理 | 第20-21页 |
| 2.1.2 布谷鸟搜索算法基本流程 | 第21-23页 |
| 2.2 Pareto最优相关概念 | 第23-24页 |
| 2.3 优化算法的性能评价 | 第24-28页 |
| 2.3.1 优化算法性能评价方法 | 第24页 |
| 2.3.2 优化算法性能评价指标 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于模拟退火的单目标布谷鸟算法研究 | 第29-40页 |
| 3.1 模拟退火算法 | 第29-30页 |
| 3.2 混合模拟退火的布谷鸟搜索算法 | 第30-31页 |
| 3.2.1 退火时机的判断准则 | 第30页 |
| 3.2.2 模拟退火过程中鸟巢的更新机制与参数设置 | 第30-31页 |
| 3.2.3 SA-CS算法的基本步骤 | 第31页 |
| 3.3 仿真实验测试与验证 | 第31-38页 |
| 3.3.1 实验设计 | 第31页 |
| 3.3.2 单目标函数优化仿真结果与分析 | 第31-35页 |
| 3.3.3 单目标组合优化仿真结果与分析 | 第35-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 基于分解的多目标布谷鸟算法研究 | 第40-56页 |
| 4.1 基于分解的多目标进化算法 | 第40-43页 |
| 4.1.1 MOEA/D的分解策略 | 第40-41页 |
| 4.1.2 MOEA/D的基本框架 | 第41-43页 |
| 4.2 基于分解的多目标布谷鸟算法 | 第43-45页 |
| 4.2.1 MOCS/D算法的更新机制 | 第43页 |
| 4.2.2 MOCS/D算法的变异策略 | 第43-44页 |
| 4.2.3 均匀化近似Pareto前沿 | 第44页 |
| 4.2.4 MOCS/D算法的基本步骤 | 第44-45页 |
| 4.3 仿真实验测试与验证 | 第45-55页 |
| 4.3.1 多目标函数优化实验设计 | 第45-47页 |
| 4.3.2 多目标函数优化实验结果及分析 | 第47-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 UMOBCS/D算法的提出及其在多目标背包问题中的应用 | 第56-69页 |
| 5.1 0-1背包问题模型 | 第56-58页 |
| 5.1.1 0-1背包问题概述 | 第56-58页 |
| 5.1.2 多目标0-1背包问题优化模型 | 第58页 |
| 5.2 基于分解的均匀设计的二进制多目标布谷鸟算法 | 第58-62页 |
| 5.2.1 权重向量的均匀设计 | 第58-59页 |
| 5.2.2 布谷鸟搜索算法的二进制变换 | 第59-60页 |
| 5.2.3 布谷鸟算法的变异过程 | 第60页 |
| 5.2.4 背包问题的修复策略 | 第60-61页 |
| 5.2.5 UMOBCS/D算法的基本步骤 | 第61-62页 |
| 5.3 多目标0-1背包问题实验设计 | 第62-67页 |
| 5.3.1 参数设置 | 第62-63页 |
| 5.3.2 实验结果与分析 | 第63-67页 |
| 5.4 本章小结 | 第67-69页 |
| 结论与展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-78页 |
| 附录1 (攻读学位期间所发表的学术论文目录) | 第78页 |
