| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景及研究的目的和意义 | 第10-12页 |
| 1.1.1 课题背景 | 第10-11页 |
| 1.1.2 研究的目的和意义 | 第11-12页 |
| 1.2 多目标演化算法研究现状 | 第12-14页 |
| 1.2.1 多目标优化问题 | 第12-13页 |
| 1.2.2 国内外多目标演化算法研究现状 | 第13-14页 |
| 1.3 基于聚类的多目标演化算法研究现状 | 第14-16页 |
| 1.3.1 聚类技术 | 第14-15页 |
| 1.3.2 国内外基于聚类的多目标演化算法研究现状 | 第15-16页 |
| 1.4 论文的主要研究内容 | 第16-19页 |
| 第2章 多目标演化算法及相关内容简介 | 第19-28页 |
| 2.1 引言 | 第19页 |
| 2.2 典型的多目标演化算法 | 第19-25页 |
| 2.2.1 快速非支配排序遗传算法 | 第19-22页 |
| 2.2.2 S测度选择进化多目标演化算法 | 第22-24页 |
| 2.2.3 基于规则模型的多目标分布估计算法 | 第24页 |
| 2.2.4 带有目标变换的基于分解的多目标演化算法 | 第24-25页 |
| 2.3 常用标准测试函数集 | 第25页 |
| 2.4 性能测度指标 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于聚类改进的多目标分布估计算法 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 背景知识 | 第28-30页 |
| 3.2.1 多目标分布估计算法 | 第28-29页 |
| 3.2.2 分布估计算法的改进 | 第29-30页 |
| 3.3 基于聚类改进的多目标分布估计算法 | 第30-34页 |
| 3.3.1 算法思想 | 第30页 |
| 3.3.2 算法框架 | 第30-31页 |
| 3.3.3 AHC算法 | 第31-32页 |
| 3.3.4 新解生成 | 第32-33页 |
| 3.3.5 环境选择 | 第33-34页 |
| 3.4 实验研究 | 第34-41页 |
| 3.4.1 标准测试实例及性能测试指标 | 第34页 |
| 3.4.2 对比算法及参数设置 | 第34-35页 |
| 3.4.3 实验结果及分析 | 第35-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于聚类改进的多目标粒子群算法 | 第42-64页 |
| 4.1 引言 | 第42页 |
| 4.2 背景知识 | 第42-47页 |
| 4.2.1 多目标粒子群算法 | 第42-45页 |
| 4.2.2 复合差分进化算法 | 第45-47页 |
| 4.3 基于聚类改进的多目标粒子群算法 | 第47-52页 |
| 4.3.1 算法思想 | 第47页 |
| 4.3.2 算法框架 | 第47-49页 |
| 4.3.3 k-means算法 | 第49页 |
| 4.3.4 新解生成 | 第49-51页 |
| 4.3.5 环境选择 | 第51-52页 |
| 4.3.6 概率更新机制 | 第52页 |
| 4.4 实验研究 | 第52-61页 |
| 4.4.1 标准测试实例及性能测试指标 | 第52-53页 |
| 4.4.2 对比算法及参数设置 | 第53-54页 |
| 4.4.3 实验结果及分析 | 第54-59页 |
| 4.4.4 CEDA与CPSO对比实验 | 第59-61页 |
| 4.5 本章小结 | 第61-64页 |
| 第5章 多目标演化算法在实际工程中的应用 | 第64-78页 |
| 5.1 引言 | 第64页 |
| 5.2 返回式卫星舱布局优化设计 | 第64-73页 |
| 5.2.1 数学模型 | 第64-69页 |
| 5.2.2 实验用例 | 第69页 |
| 5.2.3 实验设置 | 第69页 |
| 5.2.4 实验结果与讨论 | 第69-72页 |
| 5.2.5 实验结论 | 第72-73页 |
| 5.3 齿轮减速器优化设计 | 第73-77页 |
| 5.3.1 数学模型 | 第73-74页 |
| 5.3.2 实验设置 | 第74-75页 |
| 5.3.3 实验结果与讨论 | 第75-76页 |
| 5.3.4 实验结论 | 第76-77页 |
| 5.4 本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 攻读学位期间发表的学术论文 | 第86-88页 |
| 致谢 | 第88页 |