| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文主要研究内容 | 第16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第二章 多目标优化算法概述 | 第18-32页 |
| 2.1 多目标优化算法相关概念 | 第18-21页 |
| 2.1.1 多目标优化的一般描述 | 第18-19页 |
| 2.1.2 支配关系 | 第19页 |
| 2.1.3 Pareto最优解 | 第19页 |
| 2.1.4 Pareto最优前沿 | 第19-20页 |
| 2.1.5 凸空间和凹空间 | 第20-21页 |
| 2.2 传统的多目标优化算法 | 第21-23页 |
| 2.2.1 分层序列法 | 第21-22页 |
| 2.2.2 适应度函数法 | 第22-23页 |
| 2.2.3 局限性 | 第23页 |
| 2.3 多目标优化遗传算法 | 第23-30页 |
| 2.3.1 遗传算法简介 | 第23-24页 |
| 2.3.2 遗传算法的特点 | 第24-25页 |
| 2.3.3 编码 | 第25-26页 |
| 2.3.4 选择 | 第26页 |
| 2.3.5 交叉 | 第26-28页 |
| 2.3.6 变异 | 第28-29页 |
| 2.3.7 适应度函数 | 第29-30页 |
| 2.4 多目标优化遗传算法的衍生算法 | 第30-31页 |
| 2.4.1 MOGA | 第30页 |
| 2.4.2 NSGA | 第30-31页 |
| 2.4.3 NSGA-Ⅱ | 第31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 改进的NSGA-Ⅱ多目标优化算法 | 第32-48页 |
| 3.1 传统多目标优化算法的劣势 | 第32-33页 |
| 3.2 NSGA-Ⅱ的理论改进 | 第33-39页 |
| 3.2.1 建立多目标优化模型 | 第33-35页 |
| 3.2.2 采用浮点数编码方式 | 第35页 |
| 3.2.3 引入正态分布交叉算子 | 第35-37页 |
| 3.2.4 改进的自适应调整变异算子 | 第37页 |
| 3.2.5 改进算法的结构流程 | 第37-39页 |
| 3.3 数据集仿真及结果分析 | 第39-46页 |
| 3.3.1 交叉算子的对比 | 第39-40页 |
| 3.3.2 变异算子的对比 | 第40-41页 |
| 3.3.3 优化模型的建立 | 第41-45页 |
| 3.3.4 不同算法Pareto分布前沿对比 | 第45-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 改进的NSGA-Ⅱ在聚合优化中的应用 | 第48-66页 |
| 4.1 聚合优化应用背景 | 第48页 |
| 4.2 聚合优化数学模型 | 第48-50页 |
| 4.2.1 建模方法的确定 | 第48页 |
| 4.2.2 目标函数的确定 | 第48-49页 |
| 4.2.3 约束条件的确定 | 第49页 |
| 4.2.4 优化模型的确定 | 第49-50页 |
| 4.3 改进的NSGA-Ⅱ聚合优化算法 | 第50-53页 |
| 4.3.1 聚合优化算法的改进描述 | 第50-51页 |
| 4.3.2 聚合优化算法的改进流程 | 第51-52页 |
| 4.3.3 聚合优化算法Pareto解的性能指标 | 第52-53页 |
| 4.4 聚合优化Pareto解的性能测试及分析 | 第53-64页 |
| 4.4.1 不同进化参数组合下的解集性能 | 第53-54页 |
| 4.4.2 不同进化参数组合下的解集覆盖度 | 第54-56页 |
| 4.4.3 不同进化参数组合下的Pareto最优前沿 | 第56页 |
| 4.4.4 最优进化参数组合下的解集性能 | 第56-59页 |
| 4.4.5 最优进化参数组合下的不同算法性能对比 | 第59-60页 |
| 4.4.6 最优进化参数组合下的Pareto最优前沿 | 第60-61页 |
| 4.4.7 不同反应条件对优化结果的影响 | 第61-63页 |
| 4.4.8 Pareto最优解集 | 第63-64页 |
| 4.5 实验结论 | 第64页 |
| 4.6 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 攻读硕士学位期间发表学术论文 | 第76页 |