基于组合算法的多目标优化研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题研究的目的和意义 | 第10-12页 |
| ·多目标优化算法的发展与研究现状 | 第12-13页 |
| ·传统的多目标优化方法 | 第12页 |
| ·基于群体智能的多目标优化方法 | 第12-13页 |
| ·论文的主要工作和安排 | 第13-15页 |
| 第2章 多目标优化基础 | 第15-27页 |
| ·多目标优化问题的数学描述 | 第15-17页 |
| ·多目标优化算法的设计目标 | 第17-18页 |
| ·多目标优化算法的关键理论 | 第18-22页 |
| ·适应度函数的选取 | 第18-19页 |
| ·最优个体选择策略 | 第19-22页 |
| ·多目标优化方法的性能度量 | 第22-26页 |
| ·逼近性度量指标 | 第23-24页 |
| ·均匀性度量指标 | 第24-25页 |
| ·综合性度量指标 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 组合粒子群和差分进化的多目标优化算法 | 第27-46页 |
| ·粒子群优化算法 | 第27-31页 |
| ·粒子群优化算法的基本原理 | 第27-30页 |
| ·粒子群优化算法的基本流程 | 第30-31页 |
| ·差分进化算法 | 第31-34页 |
| ·差分进化算法的原理 | 第31-32页 |
| ·差分进化算法模式 1 | 第32-33页 |
| ·差分进化算法模式 2 | 第33页 |
| ·差分进化算法的步骤 | 第33-34页 |
| ·组合粒子群和差分进化的多目标优化算法 | 第34-38页 |
| ·改进的粒子群多目标优化算法 | 第35页 |
| ·判断因子 | 第35页 |
| ·种群更新策略 | 第35-36页 |
| ·组合算法 1 的流程 | 第36-37页 |
| ·算法时间复杂度分析 | 第37-38页 |
| ·实验结果及分析 | 第38-45页 |
| ·两维多目标优化测试函数 | 第38-39页 |
| ·实验参数设置 | 第39页 |
| ·实验结果分析 | 第39-42页 |
| ·三维多目标优化测试函数 | 第42-43页 |
| ·实验结果分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 组合分布估计和差分进化的多目标优化算法 | 第46-60页 |
| ·分布估计算法 | 第46-49页 |
| ·分布估计算法的原理与流程 | 第46-47页 |
| ·柱状图分布模型 | 第47-49页 |
| ·组合分布估计和差分进化的多目标优化算法 | 第49-53页 |
| ·分布估计算法部分 | 第49-50页 |
| ·选择因子 | 第50-51页 |
| ·差分进化算法部分 | 第51页 |
| ·组合算法 2 的流程 | 第51-53页 |
| ·算法时间复杂度分析 | 第53页 |
| ·实验仿真 | 第53-58页 |
| ·实验参数设置 | 第53-54页 |
| ·实验结果分析 | 第54-55页 |
| ·收敛性分析 | 第55-57页 |
| ·三维测试函数实验分析 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第66-67页 |
| 致谢 | 第67页 |
