| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 插图或附表清单 | 第13-14页 |
| 1 绪论 | 第14-19页 |
| ·多目标进化算法历史起源与现实发展 | 第14-16页 |
| ·进化算法的研究现况 | 第16-17页 |
| ·论文的研究意义及主要内容 | 第17-19页 |
| ·论文的研究意义 | 第17页 |
| ·论文的主要内容 | 第17-19页 |
| 2 遗传算法的基本理论及结构 | 第19-29页 |
| ·遗传算法的基本理论 | 第19-20页 |
| ·遗传算法的基本思想和流程 | 第20-23页 |
| ·遗传算法的遗传算子 | 第23-27页 |
| ·遗传算法的特点 | 第27-28页 |
| ·基本遗传算法流程 | 第28-29页 |
| 3 多目标进化算法 | 第29-39页 |
| ·多目标优化问题的数学模型 | 第29页 |
| ·多目标优化的基本概念 | 第29-30页 |
| ·求解多目标优化问题的进化算法 | 第30-39页 |
| ·Schaffer和Fonseca等的工作 | 第30页 |
| ·NSGA-Ⅱ | 第30-32页 |
| ·SPEA2 | 第32页 |
| ·PAES | 第32-33页 |
| ·MGAMOO | 第33-34页 |
| ·MOMGA | 第34-37页 |
| ·基于密度的多目标优化算法 | 第37页 |
| ·BOA和mBOA | 第37-39页 |
| 4 基于聚类的混合多目标遗传算法在车辆路径问题中的应用 | 第39-47页 |
| ·引言 | 第39页 |
| ·数学模型的建立 | 第39-41页 |
| ·构建VRPTW问题的多目标遗传算法 | 第41-44页 |
| ·染色体编码及初始群体的构造 | 第41页 |
| ·路径译码及适应度函数 | 第41-42页 |
| ·混合并行遗传算法 | 第42页 |
| ·交叉算子和变异算子 | 第42-43页 |
| ·非支配集的构造 | 第43页 |
| ·采用聚类修剪策略缩小非支配集的大小 | 第43页 |
| ·实现VRPTW多目标遗传算法过程 | 第43-44页 |
| ·实例与分析 | 第44-47页 |
| 5 基于小生境的自适应多目标遗传算法及其在流水车间调度问题中的应用 | 第47-54页 |
| ·引言 | 第47页 |
| ·流水车间调度问题及数学模型 | 第47-49页 |
| ·求解流水车间调度问题的小生境自适应混合遗传算法 | 第49-50页 |
| ·编码设计及初始种群的产生 | 第49页 |
| ·适应度函数 | 第49页 |
| ·小生境技术 | 第49页 |
| ·双精英策略 | 第49-50页 |
| ·自适应交叉算子和变异算子及其操作 | 第50页 |
| ·算法步骤 | 第50-51页 |
| ·计算实例 | 第51-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 作者简介及读研期间发表的论文 | 第59页 |