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 |