摘要 | 第1-6页 |
Abstract | 第6-16页 |
第一章 绪论 | 第16-28页 |
·研究背景 | 第16页 |
·动态进化计算研究现状 | 第16-27页 |
·动态优化问题 | 第17-18页 |
·动态环境的特征 | 第18页 |
·动态测试问题及构造方法 | 第18-19页 |
·环境变化的探测研究 | 第19-20页 |
·处理动态环境的策略研究 | 第20-26页 |
·动态进化计算的应用研究 | 第26-27页 |
·主要研究内容 | 第27-28页 |
第二章 动态环境下的多目标化进化算法 | 第28-49页 |
·多目标化进化算法 | 第28-30页 |
·单目标优化问题与多目标优化问题 | 第28-29页 |
·多目标化进化算法 | 第29页 |
·单目标优化问题的多目标化 | 第29-30页 |
·附加函数的选择条件 | 第30-31页 |
·基于个体多样性度量的多目标化进化算法 | 第31-38页 |
·基于个体多样性度量的附加函数 | 第31-32页 |
·基于个体多样性度量的多目标化进化算法 | 第32页 |
·实验分析 | 第32-38页 |
·基于可进化性度量的多目标化进化算法 | 第38-48页 |
·可进化性 | 第38-39页 |
·基于可进化性度量的多目标化进化算法 | 第39-41页 |
·实验与分析 | 第41-48页 |
·本章小结 | 第48-49页 |
第三章 基于家族优生学的动态进化算法 | 第49-60页 |
·基于家族优生学的进化算法 | 第49-50页 |
·动态环境下基于家族优生学的进化算法 | 第50-51页 |
·家庭选择 | 第50-51页 |
·种间竞争 | 第51页 |
·改进的基于家族优生学的进化算法 | 第51页 |
·算法性能分析 | 第51-52页 |
·空间搜索能力分析 | 第51-52页 |
·多样性分析 | 第52页 |
·实验与分析 | 第52-59页 |
·测试问题 | 第53-54页 |
·结果及分析 | 第54-59页 |
·本章小结 | 第59-60页 |
第四章 动态环境下记忆策略的研究 | 第60-75页 |
·直接记忆策略 | 第60-61页 |
·基于混合记忆策略的遗传算法 | 第61-66页 |
·混合记忆策略 | 第61-62页 |
·基于混合记忆策略的遗传算法 | 第62-63页 |
·实验与分析 | 第63-66页 |
·基于预测机制的多种群进化算法 | 第66-74页 |
·自组织侦查进化算法 | 第66-67页 |
·搜索子空间的提取 | 第67页 |
·预测模型的建立 | 第67-68页 |
·搜索子空间的自适应调整 | 第68-69页 |
·基于预测机制的多种群进化算法 | 第69-70页 |
·实验与分析 | 第70-74页 |
·本章小结 | 第74-75页 |
第五章 基于云模型的动态进化算法 | 第75-86页 |
·云模型理论 | 第75-77页 |
·基本概念 | 第75-76页 |
·云发生器 | 第76-77页 |
·局部云搜索算法 | 第77-78页 |
·云预测与方向云搜索 | 第78-80页 |
·基于云模型的混合遗传算法 | 第80-82页 |
·实验结果与分析 | 第82-85页 |
·本章小结 | 第85-86页 |
第六章 处理动态优化问题的元胞遗传算法 | 第86-100页 |
·元胞遗传算法 | 第86-88页 |
·基本概念 | 第87页 |
·基于演化规则的元胞遗传算法 | 第87-88页 |
·捕食元胞遗传算法 | 第88-93页 |
·捕食模型 | 第89-90页 |
·种群控制 | 第90-91页 |
·正交交叉算子 | 第91-92页 |
·捕食元胞遗传算法 | 第92-93页 |
·实验与分析 | 第93-98页 |
·测试问题 | 第93-94页 |
·结果及分析 | 第94-98页 |
·本章小结 | 第98-100页 |
第七章 算法动态性能对比分析 | 第100-105页 |
·IDMoEA、FMEA、HGA-C 的对比分析 | 第100-102页 |
·EMoEA-Ⅰ、EMoEA-Ⅱ、IFEBE、HMGA、IPCGA 的对比分析 | 第102-105页 |
第八章 结论与展望 | 第105-107页 |
·主要结论 | 第105-106页 |
·工作展望 | 第106-107页 |
参考文献 | 第107-118页 |
致谢 | 第118-119页 |
在学期间的研究成果及发表的学术论文 | 第119页 |