| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-37页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 多目标优化问题及传统求解方法 | 第13-16页 |
| 1.2.1 多目标优化问题数学模型及相关概念 | 第13-14页 |
| 1.2.2 传统多目标优化方法 | 第14-16页 |
| 1.3 多目标进化算法及其研究现状 | 第16-23页 |
| 1.3.1 多目标进化算法 | 第16-18页 |
| 1.3.2 多目标进化算法的研究现状 | 第18-23页 |
| 1.4 高维多目标优化问题 | 第23-33页 |
| 1.4.1 求解高维多目标优化问题的难点 | 第23-25页 |
| 1.4.2 高维多目标进化算法研究现状 | 第25-30页 |
| 1.4.3 高维多目标优化实例-脉冲多普勒雷达波形设计问题20 | 第30-33页 |
| 1.5 论文主要研究工作及内容安排 | 第33-37页 |
| 第二章 基于ε指标的多目标混合蛙跳算法 | 第37-78页 |
| 2.1 引言 | 第37-38页 |
| 2.2 基于指标的适应值分配方法 | 第38-45页 |
| 2.2.1 基于指标的适应值分配 | 第39-41页 |
| 2.2.2 典型的用于适应值分配的指标及性能比较 | 第41-45页 |
| 2.3 混合蛙跳算法 | 第45-47页 |
| 2.3.1 混合蛙跳算法模型 | 第45-47页 |
| 2.3.2 混合蛙跳算法求解高维多目标优化问题的优势 | 第47页 |
| 2.4 基于ε指标的多目标混合蛙跳算法 | 第47-57页 |
| 2.4.1 基于几何划分的种群分割 | 第48-52页 |
| 2.4.2 基于ε指标的存档器更新策略 | 第52-54页 |
| 2.4.3 基于ε指标适应值的局部最优和最差个体的选择 | 第54-55页 |
| 2.4.4 基于近邻原则的动态全局最优个体选择策略 | 第55页 |
| 2.4.5 基于Pareto占优和ε指标适应值的新个体替换准则.. 45 | 第55-56页 |
| 2.4.6 基于非支配排序和ε指标适应值的进化种群更新策略46 | 第56-57页 |
| 2.5 实验仿真测试 | 第57-77页 |
| 2.5.1 实验设置 | 第57-60页 |
| 2.5.2 参数测试 | 第60-62页 |
| 2.5.3 基于几何划分的种群分割方法性能测试 | 第62-65页 |
| 2.5.4 求解标准测试问题的性能测试 | 第65-74页 |
| 2.5.5 求解雷达波形设计问题的性能测试 | 第74-77页 |
| 2.6 小结 | 第77-78页 |
| 第三章 基于稀疏特征选择的目标降维算法 | 第78-102页 |
| 3.1 引言 | 第78-79页 |
| 3.2 目标降维问题和已有算法分析 | 第79-84页 |
| 3.2.1 目标的冲突性和相关性 | 第79-81页 |
| 3.2.2 目标降维问题模型 | 第81页 |
| 3.2.3 已有目标降维算法分析 | 第81-84页 |
| 3.3 稀疏特征选择 | 第84-86页 |
| 3.3.1 特征选择方法 | 第84-85页 |
| 3.3.2 稀疏特征选择方法 | 第85-86页 |
| 3.4 基于稀疏特征选择的目标降维算法 | 第86-91页 |
| 3.4.1 构建邻接图 | 第87-88页 |
| 3.4.2 构建稀疏回归模型 | 第88页 |
| 3.4.3 稀疏投影矩阵求解方法 | 第88-89页 |
| 3.4.4 目标重要性指标 | 第89页 |
| 3.4.5 求解 P1 问题的目标降维方法 | 第89-90页 |
| 3.4.6 求解P2 问题的目标降维方法 | 第90-91页 |
| 3.4.7 目标偏好排序的评估方法 | 第91页 |
| 3.5 实验结果与分析 | 第91-100页 |
| 3.5.1 性能评估方法及实验设置 | 第91-92页 |
| 3.5.2 参数测试 | 第92-95页 |
| 3.5.3 SORA1 算法有效性测试 | 第95-98页 |
| 3.5.4 SORA2 算法有效性测试 | 第98页 |
| 3.5.5 SORA3 算法有效性测试 | 第98-100页 |
| 3.6 小结 | 第100-102页 |
| 第四章 基于在线目标降维的高维多目标优化问题求解方法 | 第102-115页 |
| 4.1 引言 | 第102页 |
| 4.2 在线目标降维算法 | 第102-105页 |
| 4.2.1 在线目标降维算法模型 | 第102-104页 |
| 4.2.2 设计在线目标降维算法时的关键问题 | 第104-105页 |
| 4.3 基于ε-MOSFLA和SORA的在线目标降维算法 | 第105-108页 |
| 4.3.1 每次减少固定个数的在线目标降维方法 | 第106页 |
| 4.3.2 自适应在线目标降维方法 | 第106-107页 |
| 4.3.3 基于目标整合的在线目标降维算法 | 第107-108页 |
| 4.4 实验结果与分析 | 第108-114页 |
| 4.4.1 实验设置 | 第108-109页 |
| 4.4.2 参数测试 | 第109-111页 |
| 4.4.3 算法性能测试 | 第111-113页 |
| 4.4.4 运行时间测试 | 第113-114页 |
| 4.5 小结 | 第114-115页 |
| 第五章 总结与展望 | 第115-119页 |
| 5.1 全文内容总结 | 第115-117页 |
| 5.2 未来工作展望 | 第117-119页 |
| 参考文献 | 第119-133页 |
| 致谢 | 第133-134页 |
| 攻读博士学位期间的研究成果 | 第134-135页 |
