首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

基于梯度拥挤度的多样性保持策略的MOEAs研究

摘要第1-5页
Abstract第5-10页
第1章 绪论第10-19页
   ·问题的提出第10-11页
   ·国内外研究现状第11-15页
     ·多目标优化问题的发展历程第11页
     ·求解多目标优化问题的方法第11-14页
     ·多目标演化算法中的多样性保持方法第14-15页
   ·本文创新点及主要工作第15-16页
   ·本文的组织结构第16-19页
第2章 Gradient Crowding多样性保持策略第19-35页
   ·多样性保持策略第19-22页
     ·密度估计方法第20页
     ·内核估计法(The kernel estimator)第20-21页
     ·最近邻域法(The nearest neighbor estimator)第21页
     ·矩形图法第21-22页
   ·Gradient Crowding算法第22-30页
     ·算法构想第22-23页
     ·算法描述第23-25页
     ·算法步骤第25-28页
     ·Gradient函数分析第28-29页
     ·优化与精度分析第29-30页
   ·多样性的度量第30-32页
     ·方差度量第30-31页
     ·信息熵第31页
     ·多样性的熵度量第31-32页
   ·多样性的损失量第32-34页
   ·本章小结第34-35页
第3章 多样性保持策略的分析与验证第35-44页
   ·Gradient Crowding算法的性能分析第35-36页
   ·Gradient函数验证第36-37页
   ·基于熵度量的原理测试设计第37-38页
     ·测试描述第37页
     ·测试步骤第37-38页
     ·利用函数变换随机数分布第38页
   ·二维空间测试比较第38-41页
     ·选择测试参数第40页
     ·均匀分布测试第40页
     ·扭曲分布测试第40-41页
   ·多维空间测试比较第41-43页
   ·本章小结第43-44页
第4章 基于Gradient Crowding多样性保持策略的多目标演化算法第44-57页
   ·基于演化算法的多目标优化第44-45页
     ·多目标优化问题第44页
     ·多目标优化演化算法第44-45页
   ·多样化初始种群策略第45-48页
     ·算法描述第45-47页
     ·算法步骤第47-48页
     ·算法分析第48页
   ·分段式精英策略第48-49页
     ·外部精英集合策略第48页
     ·算法描述第48-49页
     ·算法步骤第49页
   ·两级适应度选择模型第49-53页
     ·基于支配关系的适应度第49-51页
     ·拥挤评价的适应度第51页
     ·适应度在不同演化阶段中的表现分析第51-52页
     ·两级适应度选择模型第52-53页
   ·Gradient Crowding多目标演化算法第53-56页
     ·遗传算子第53-54页
     ·算法流程第54-56页
   ·本章小结第56-57页
第5章 基于Gradient Crowding多样性保持策略的多目标演化算法的测试分析第57-71页
   ·性能的度量第57-59页
     ·收敛性第57-58页
     ·多样性第58-59页
   ·标准测试函数第59-60页
   ·测试模型第60-61页
   ·参数设置第61页
   ·测试验证第61-69页
     ·实验过程中个体分布第61-63页
     ·实验结果第63-68页
     ·统计测试第68-69页
   ·分析结论第69-70页
     ·收敛效率分析第69-70页
     ·多样性分析第70页
     ·综合分析第70页
   ·本章小结第70-71页
第6章 总结与展望第71-73页
   ·总结工作成果第71-72页
   ·未来工作展望第72-73页
参考文献第73-77页
致谢第77-78页
附录 硕士期间参与的科研项目和发表的论文第78页
 1. 硕士期间参加的科研项目第78页
 2. 硕士期间发表的论文第78页

论文共78页,点击 下载论文
上一篇:温度—应力试验机温度控制的多模型模糊PID控制算法研究
下一篇:基于动态策略的粒子群优化算法研究