| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-16页 |
| 1．1 引言 | 第7-8页 |
| 1．2 优化设计及多目标优化设计 | 第8-12页 |
| 1．2．1 优化设计概述 | 第8-9页 |
| 1．2．2 多目标优化设计概述 | 第9-10页 |
| 1．2．3 多目标优化设计研究现状 | 第10-12页 |
| 1．3 遗传算法与优化设计的结合 | 第12-14页 |
| 1．4 本文主要研究内容 | 第14-16页 |
| 第2章 多目标优化研究 | 第16-22页 |
| 2．1 多目标优化的基本概念 | 第16-18页 |
| 2．1．1 多目标优化问题的数学模型 | 第16-17页 |
| 2．1．2 非支配解(或Pareto最优解)和Pareto曲面 | 第17页 |
| 2．1．3 偏好关系 | 第17-18页 |
| 2．2 多目标优化问题的基本求解方法 | 第18-21页 |
| 2．2．1 约束法 | 第18-19页 |
| 2．2．2 分层序列法 | 第19页 |
| 2．2．3 评价函数法 | 第19-21页 |
| 2．2．4 Pareto方法 | 第21页 |
| 2．3 本章小结 | 第21-22页 |
| 第3章 遗传多目标优化研究 | 第22-34页 |
| 3．1 遗传算法基础 | 第22-28页 |
| 3．1．1 遗传算法简介 | 第22-24页 |
| 3．1．2 编码问题 | 第24页 |
| 3．1．3 群体构成及产生初始群体 | 第24-25页 |
| 3．1．4 选择操作 | 第25页 |
| 3．1．5 遗传算子—杂交算子 | 第25-26页 |
| 3．1．6 遗传算子—变异算子 | 第26-27页 |
| 3．1．7 遗传算法的特点 | 第27-28页 |
| 3．2 多目标遗传算法的求解思路 | 第28-29页 |
| 3．3 多目标遗传算法新特性 | 第29-30页 |
| 3．3．1 适应值分配机制 | 第29页 |
| 3．3．2 适应值共享和种群多样性 | 第29-30页 |
| 3．3．3 遗传多目标优化Pareto解的概念 | 第30页 |
| 3．4 常见的遗传多目标优化方法 | 第30-33页 |
| 3．4．1 向量评价方法 | 第30页 |
| 3．4．2 权重和方法 | 第30页 |
| 3．4．3基于妥协的适应值分配方法 | 第30-31页 |
| 3．4．4 目标规划方法 | 第31-32页 |
| 3．4．5 基于Pareto的方法 | 第32-33页 |
| 3．5 本章小结 | 第33-34页 |
| 第4章 基于Pareto排序的Pareto遗传算法 | 第34-46页 |
| 4．1 Pareto排序方法 | 第34-38页 |
| 4．2 个体适应值计算 | 第38-40页 |
| 4．2．1 基于Pareto排序的个体适应值分配 | 第38-39页 |
| 4．2．2 不可行解的处理 | 第39-40页 |
| 4．2．3 个体适应值计算 | 第40页 |
| 4．3 保持种群多样性对策 | 第40-42页 |
| 4．3．1 共享函数 | 第40-41页 |
| 4．3．2 基于共享函数的适应值调整 | 第41-42页 |
| 4．4 非劣解的保持 | 第42页 |
| 4．5 Pareto遗传算法 | 第42-44页 |
| 4．6 算例 | 第44-45页 |
| 4．7 本章小结 | 第45-46页 |
| 第5章 桥式起重机主梁优化设计 | 第46-59页 |
| 5．1 钢结构优化设计的数学模型及特点 | 第46-48页 |
| 5．1．1 钢结构优化问题的数学模型 | 第46-47页 |
| 5．1．2 钢结构优化问题的特点 | 第47-48页 |
| 5．2 主梁截面多目标优化数学模型 | 第48-52页 |
| 5．3 优化过程的实现 | 第52页 |
| 5．4 优化实例及结果分析 | 第52-58页 |
| 5．5 本章小结 | 第58-59页 |
| 第6章 结论与展望 | 第59-61页 |
| 6．1 结论 | 第59页 |
| 6．2 展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65-66页 |
| 大连理工大学学位论文版权使用授权书 | 第66页 |