首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于平衡法则的多目标演化模型及应用研究

摘要第3-5页
Abstract第5-7页
缩略语对照表第8-14页
1 绪论第14-24页
    1.1 研究目的和意义第14-15页
    1.2 多目标优化问题及其基本概念第15-16页
        1.2.1 多目标优化问题的数学模型第15页
        1.2.2 多目标优化问题的一些基本概念第15-16页
    1.3 多目标演化算法的发展及研究现状第16-17页
    1.4 化学反应算法第17-21页
        1.4.1 基本思想第17-18页
        1.4.2 算法描述第18-20页
        1.4.3 研究现状第20-21页
    1.5 主要研究内容及论文结构第21-24页
2 几种典型的多目标演化算法第24-34页
    2.1 引言第24页
    2.2 NSGA-II第24-28页
        2.2.1 快速非支配排序第25页
        2.2.2 拥挤距离第25-26页
        2.2.3 环境选择第26页
        2.2.4 遗传操作第26-28页
    2.3 MOEA/D第28-29页
    2.4 RM-MEDA第29-30页
    2.5 IM-MEDA第30-31页
    2.6 多目标演化算法的性能指标第31-32页
        2.6.1 逆世代距离指标第31页
        2.6.2 超立方体指标第31-32页
    2.7 本章小结第32-34页
3 基于分解的多目标化学反应算法第34-45页
    3.1 引言第34-35页
    3.2 基于分解的多目标化学反应算法第35-36页
    3.3 扩展的多目标化学反应算法第36-38页
        3.3.1 分解算子第36-37页
        3.3.2 分子之间相互碰撞算子第37-38页
        3.3.3 合成算子第38页
    3.4 相关理论分析第38-39页
        3.4.1 最坏时间复杂度分析第38页
        3.4.2 收敛性分析第38-39页
    3.5 仿真实验与性能分析第39-43页
        3.5.1 参数设置和性能指标第39-40页
        3.5.2 变量不相关测试问题的实验结果及分析第40-43页
        3.5.3 变量相关测试问题的实验结果与分析第43页
    3.6 本章小结第43-45页
4 自组织多目标混合化学反应算法第45-66页
    4.1 引言第45页
    4.2 混合化学反应算法第45-47页
        4.2.1 自组织映射第45-46页
        4.2.2 粒子群优化算法第46-47页
    4.3 基于自组织映射的混合化学反应和粒子群算法第47-52页
        4.3.1 环境选择第48页
        4.3.2 混合化学反应-粒子群优化算法第48-50页
        4.3.3 演化群体更新第50页
        4.3.4 提出的算法框架第50-52页
    4.4 仿真实验与性能分析第52-65页
        4.4.1 MOP标准测试集第52-53页
        4.4.2 参数设置第53-55页
        4.4.3 实验结果第55-63页
        4.4.4 SOM对提出算法SMHPCRO的影响第63-65页
    4.5 本章小结第65-66页
5 基于指数平滑法和多方向预测的动态多目标演化算法第66-86页
    5.1 引言第66-67页
    5.2 动态多目标优化问题第67-68页
    5.3 相关工作第68-75页
        5.3.1 向前预测策略策略第68-70页
        5.3.2 种群预测策略第70-72页
        5.3.3 基于中心点和Knee点的预测策略第72-75页
    5.4 基于指数平滑和多方向预测模型的动态多目标演化算法第75-78页
        5.4.1 指数平滑预测模型第75页
        5.4.2 多方向预测第75-77页
        5.4.3 提出的基于指数平滑和多方向预测模型的多目标演化算法第77-78页
    5.5 数值实验第78-85页
        5.5.1 测试问题第78页
        5.5.2 实验设置第78-79页
        5.5.3 比较算法第79页
        5.5.4 测试指标第79-80页
        5.5.5 实验结果第80-85页
    5.6 本章小结第85-86页
6 基于分解的多目标化学反应算法求解带时间窗同时存取货的多目标车辆路径优化问题第86-104页
    6.1 引言第86-87页
    6.2 带时间窗同时存取货的多目标车辆路径优化问题第87-89页
        6.2.1 解的表示第87-88页
        6.2.2 问题描述第88-89页
        6.2.3 约束条件第89页
    6.3 算法描述第89-96页
        6.3.1 与容器壁碰撞算子第91页
        6.3.2 分解算子第91-92页
        6.3.3 分子之间发生碰撞第92-93页
        6.3.4 合成算子第93页
        6.3.5 算法流程第93-96页
    6.4数值实验第96-102页
        6.4.1 测试函数第96-98页
        6.4.2 参数设置第98页
        6.4.3 实验结果第98-102页
    6.5 本章小结第102-104页
7 总结与展望第104-106页
    7.1 全文总结第104-105页
    7.2 研究展望第105-106页
致谢第106-108页
参考文献第108-122页
附录第122-130页
    附录A 对比算法所获得Pareto前沿第122-126页
    附录B 多目标GLT测试问题第126-128页
    附录C 动态多目标测试问题第128-130页
在校学习期间的研究成果第130-132页
    1.完成的论文第130页
    2.参与的科研项目第130页
    3.参加的学术活动第130-132页

论文共132页,点击 下载论文
上一篇:无线光相干通信中的信道噪声及其对相干检测性能影响研究
下一篇:黄土高原生态建设对流域水体转化与传输的作用机制研究