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

基于多目标分解进化算法的资源分配及混合操作策略研究

摘要第3-4页
ABSTRACT第4-5页
第1章 绪论第8-14页
    1.1 研究目的与意义第8-9页
    1.2 研究现状第9-12页
        1.2.1 多目标优化的相关概念第9页
        1.2.2 多目标进化算法的分类第9-11页
        1.2.3 目前存在的主要问题第11-12页
    1.3 研究内容与论文结构第12-14页
        1.3.1 主要研究工作第12-13页
        1.3.2 论文组织结构第13-14页
第2章 基于分解的多目标进化算法MOEA/D第14-18页
    2.1 引言第14页
    2.2 MOEA/D算法介绍第14-17页
        2.2.1 分解方法第14-15页
        2.2.2 邻居概念第15-16页
        2.2.3 算法流程第16-17页
    2.3 本章小结第17-18页
第3章 多样性增强的资源分配算法MOEA/D-IRA第18-36页
    3.1 引言第18页
    3.2 现有资源分配算法介绍第18-21页
        3.2.1 MOEA/D-DRA算法第19页
        3.2.2 MOEA/D-GRA算法第19-20页
        3.2.3 MOEA/D-DRA与MOEA/D-GRA对比分析第20-21页
    3.3 MOEA/D-IRA算法介绍第21-26页
        3.3.1 多样性增强的资源分配策略第21-23页
        3.3.2 邻居父代选择策略第23-24页
        3.3.3 算法完整框架第24-26页
    3.4 算法仿真实验第26-35页
        3.4.1 实验设置第26-27页
        3.4.2 MOEA/D-IRA与其它算法的比较第27-31页
        3.4.3 多样性增强资源分配策略和父代选择策略的有效性研究第31-32页
        3.4.4 不同资源分配策略的对比研究第32-33页
        3.4.5 参数敏感性分析第33-35页
    3.5 本章小结第35-36页
第4章 基于基因层混合DE操作的进化算法MOEA/D-GHDE第36-49页
    4.1 引言第36页
    4.2 差分进化操作介绍第36-37页
    4.3 MOEA/D-GHDE算法介绍第37-41页
        4.3.1 基因层混合DE策略第37-39页
        4.3.2 自适应策略第39-41页
        4.3.3 算法完整框架第41页
    4.4 算法仿真实验第41-47页
        4.4.1 实验设置第41页
        4.4.2 MOEA/D-GHDE与其它算法的比较第41-45页
        4.4.3 基因层混合DE操作的有效性验证第45-46页
        4.4.4 MOEA/D-GHDE与MOEA/D-IRA算法的比较第46-47页
    4.5 本章小结第47-49页
第5章 总结与展望第49-51页
    5.1 研究工作总结第49页
    5.2 未来工作展望第49-51页
参考文献第51-56页
致谢第56-57页
攻读硕士学位期间的研究成果第57页

论文共57页,点击 下载论文
上一篇:外贴FRP混凝土受弯构件疲劳设计方法研究
下一篇:基于多参数耦合模型的梁柱式木结构框架抗火数值模拟