| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 1.绪论 | 第9-17页 |
| ·进化算法 | 第9-10页 |
| ·智能优化方法概论 | 第10-12页 |
| ·传统优化方法的局限性 | 第10-11页 |
| ·智能优化方法的产生与发展 | 第11-12页 |
| ·群体智能优化算法 | 第12-13页 |
| ·群体智能优化算法概述 | 第12-13页 |
| ·群体智能优化算法的理论基础 | 第13页 |
| ·本文研究内容概述 | 第13-14页 |
| ·本文组织结构 | 第14-15页 |
| ·本章小结 | 第15-17页 |
| 2.粒子群算法、禁忌算法的理论研究和相关工作 | 第17-27页 |
| ·粒子群算法 | 第17-23页 |
| ·粒子群算法的产生 | 第17页 |
| ·粒子群算法的发展及研究成果 | 第17-18页 |
| ·粒子群算法的思想和相关方面 | 第18-21页 |
| ·粒子群系统的简化 | 第21页 |
| ·代数观点 | 第21-22页 |
| ·粒子有关运动轨迹方面的稳定性分析 | 第22页 |
| ·粒子运动轨迹的影响因素 | 第22-23页 |
| ·禁忌算法的基本思想及特点 | 第23-26页 |
| ·禁忌算法的基本思想 | 第23-24页 |
| ·禁忌算法的发展 | 第24页 |
| ·禁忌算法构成要素 | 第24-25页 |
| ·禁忌算法步骤 | 第25页 |
| ·禁忌算法流程图 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3.面向多目标优化的粒子群算法惯性权重改进 | 第27-39页 |
| ·多目标优化问题 | 第27-29页 |
| ·多目标优化问题概述 | 第27页 |
| ·多目标数学定义 | 第27页 |
| ·多目标优化常用基本概念 | 第27-29页 |
| ·对原始粒子群算法的改进 | 第29-33页 |
| ·粒子群算法惯性权重的自适应变化 | 第29-30页 |
| ·惯性权重方法的改进 | 第30-33页 |
| ·算法优劣性的评判标准—收敛性的定义 | 第33-34页 |
| ·实验环境及实验参数准备 | 第34-35页 |
| ·实验数据环境的准备----产生正态分布伪随机数的方法 | 第34页 |
| ·连续测试用例选用 | 第34-35页 |
| ·实验结果收敛性分析 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 4.用T-PSOA求解多目标背包问题 | 第39-57页 |
| ·背包问题描述 | 第39页 |
| ·多目标背包问题初始化的相关细节 | 第39-40页 |
| ·用T-PSOA算法处理多目标背包问题的相关细节 | 第40-45页 |
| ·T-PSOA算法对解集的处理 | 第40-41页 |
| ·排挤距离的计算 | 第41-42页 |
| ·T-PSOA混合算法的搜索方向 | 第42-43页 |
| ·T-PSOA采用的拓扑结构 | 第43页 |
| ·T-PSOA搜索空间变量的变化 | 第43-44页 |
| ·T-PSOA精英概率的定义 | 第44页 |
| ·T-PSOA停止准则 | 第44页 |
| ·本章节构思可用来评判算法的标准—选择压力时间比定义 | 第44-45页 |
| ·T-PSOA算法的整体框架,具有禁忌策略的具体步骤 | 第45-48页 |
| ·T-PSOA的整体框架 | 第45页 |
| ·T-PSOA的流程图 | 第45-47页 |
| ·T-PSOA带有禁忌算子具体局部搜索过程 | 第47-48页 |
| ·混合算法的具体步骤 | 第48-50页 |
| ·实验部分 | 第50-55页 |
| ·实验环境及实验参数准备 | 第50-51页 |
| ·实验结果分析及总结 | 第51-55页 |
| ·本章小结 | 第55-57页 |
| 结语 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间所发表的学术论文 | 第62-63页 |
| 致谢 | 第63-65页 |
