| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 多目标优化问题 | 第9-10页 |
| 1.2 进化多目标优化 | 第10-13页 |
| 1.3 昂贵多目标优化 | 第13-14页 |
| 1.4 本文的研究内容 | 第14-16页 |
| 第2章 Pareto优劣性预测方法概述 | 第16-24页 |
| 2.1 数据驱动的Pareto优劣性预测 | 第16-17页 |
| 2.1.1 Pareto优劣性预测的基本框架 | 第16-17页 |
| 2.1.2 Pareto优劣性预测的最近邻规则 | 第17页 |
| 2.2 解析分析的等价维识别方法 | 第17-19页 |
| 2.3 等价维降维的Pareto优劣性预测 | 第19-20页 |
| 2.4 基于相关分析的Pareto优劣性预测 | 第20-21页 |
| 2.5 基于决策空间变换的Pareto优劣性预测 | 第21-23页 |
| 2.6 小结 | 第23-24页 |
| 第3章 决策空间等价维识别的几何投影点分析方法 | 第24-40页 |
| 3.1 决策空间等价维 | 第24-25页 |
| 3.2 目标空间与决策空间的二维投影 | 第25-32页 |
| 3.2.1 原始映射空间的二维投影 | 第25页 |
| 3.2.2 投影分析 | 第25-27页 |
| 3.2.3 投影特征点的提取方法 | 第27-32页 |
| 3.3 决策空间等价维的判别 | 第32-39页 |
| 3.3.1 决策空间等价维判定准则 | 第32页 |
| 3.3.2 数据仿真实验结果及分析 | 第32-39页 |
| 3.4 小结 | 第39-40页 |
| 第4章 Pareto优劣性预测与MOEAs的集成 | 第40-50页 |
| 4.1 Sammon映射方法 | 第40页 |
| 4.2 等价维降维的Sammon映射方法与Pareto优劣性预测 | 第40-41页 |
| 4.3 Pareto优劣性预测实验 | 第41-44页 |
| 4.4 降维及预测在MOEAs中的应用 | 第44-49页 |
| 4.4.1 NSGA-Ⅱ算法 | 第44-45页 |
| 4.4.2 降维及预测与NSGA-Ⅱ的集成框架 | 第45-46页 |
| 4.4.3 集成算法的多目标优化实验 | 第46-49页 |
| 4.5 小结 | 第49-50页 |
| 结语 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 攻读硕士学位期间主要研究成果 | 第57-58页 |
| 致谢 | 第58页 |