基于混沌鸟群算法的多目标优化算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题的研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 传统多目标优化算法及其缺陷 | 第13-14页 |
| 1.2.2 多目标进化算法及其缺陷 | 第14-17页 |
| 1.3 本文的主要工作 | 第17页 |
| 1.4 本文结构组织 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 多目标进化算法的理论基础 | 第19-32页 |
| 2.1 多目标优化的数学模型及基本概念 | 第19-20页 |
| 2.1.1 多目标优化的数学模型 | 第19页 |
| 2.1.2 多目标优化的基本概念 | 第19-20页 |
| 2.2 多目标进化算法的框架和流程 | 第20-21页 |
| 2.3 非支配集剪枝策略 | 第21-22页 |
| 2.4 多目标进化算法的性能度量指标 | 第22-24页 |
| 2.5 典型多目标进化算法 | 第24-31页 |
| 2.5.1 NSGA-Ⅱ算法 | 第24-27页 |
| 2.5.2 MOEA/D算法 | 第27-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 混沌鸟群优化算法 | 第32-51页 |
| 3.1 智能优化方法综述 | 第32-36页 |
| 3.1.1 最优化问题 | 第32页 |
| 3.1.2 传统优化方法及缺陷 | 第32-34页 |
| 3.1.3 智能优化算法的产生和发展 | 第34-35页 |
| 3.1.4 群体智能优化算法 | 第35-36页 |
| 3.2 鸟群优化算法 | 第36-40页 |
| 3.2.1 鸟群算法的提出 | 第36页 |
| 3.2.2 鸟群算法的数学模型 | 第36-38页 |
| 3.2.3 鸟群算法的基本流程 | 第38-40页 |
| 3.3 混沌鸟群优化算法 | 第40-43页 |
| 3.3.1 混沌运动的基本性质 | 第40-41页 |
| 3.3.2 混沌优化的基本思想 | 第41-42页 |
| 3.3.3 混沌鸟群优化算法 | 第42-43页 |
| 3.4 对比试验与分析 | 第43-50页 |
| 3.4.1 实验设计 | 第43-45页 |
| 3.4.2 仿真分析 | 第45-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 多目标混沌鸟群优化算法 | 第51-64页 |
| 4.1 最优解的选取 | 第51-52页 |
| 4.2 非劣解的保存 | 第52-53页 |
| 4.3 拥挤距离 | 第53页 |
| 4.4 多目标鸟群优化算法基本流程 | 第53-55页 |
| 4.5 仿真实验分析 | 第55-63页 |
| 4.5.1 实验设计 | 第55-56页 |
| 4.5.2 ZDT-测试函数 | 第56-59页 |
| 4.5.3 高维ZDT-测试函数 | 第59-61页 |
| 4.5.4 DTLZ-测试函数 | 第61-63页 |
| 4.6 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 附录A 读研期间发表学术论文和参与科研项目 | 第72-73页 |
| 致谢 | 第73页 |
