| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 引言 | 第15-16页 |
| 1.2 多目标进化算法的发展历史与研究现状 | 第16-19页 |
| 1.3 MOEA/D-PBI的研究现状 | 第19-20页 |
| 1.4 本文的主要工作和组织安排 | 第20-23页 |
| 第二章 多目标优化问题相关研究背景 | 第23-31页 |
| 2.1 多目标优化问题描述 | 第23-24页 |
| 2.1.1 多目标优化问题的数学定义 | 第23页 |
| 2.1.2 Pareto相关定义 | 第23-24页 |
| 2.2 基于分解的多目标进化算法 | 第24-28页 |
| 2.2.1 MOEA/D算法介绍 | 第24-26页 |
| 2.2.2 常用分解方法概述 | 第26-28页 |
| 2.3 多目标优化问题的测试问题和性能指标 | 第28-30页 |
| 2.3.1 多目标优化问题测试函数集 | 第28-29页 |
| 2.3.2 评价解集的性能指标 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于MAB的自适应PBI方法 | 第31-53页 |
| 3.1 PBI方法的惩罚参数分析 | 第31-39页 |
| 3.1.1 使用不同惩罚参数的PBI算法对于问题的影响 | 第31-35页 |
| 3.1.2 表现最佳的惩罚参数在迭代过程中的变化 | 第35-39页 |
| 3.2 参数自适应方法研究 | 第39-45页 |
| 3.2.1 信用分配 | 第41-42页 |
| 3.2.2 参数选择 | 第42-45页 |
| 3.3 分阶段参数自适应的PBI方法 | 第45-48页 |
| 3.4 实验结果分析 | 第48-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第四章 基于种群多样性改进的自适应PBI方法 | 第53-65页 |
| 4.1 基于d_2统计量的改进策略 | 第53-59页 |
| 4.1.1 MOEA中常用统计量分析 | 第53-56页 |
| 4.1.2 惩罚参数遍历方式调整策略 | 第56-59页 |
| 4.2 基于d_2统计量的自适应PBI算法 | 第59-60页 |
| 4.3 实验结果分析 | 第60-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 本文工作总结 | 第65-66页 |
| 5.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |