| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第二章 相关研究基础 | 第16-25页 |
| 2.1 多目标优化问题 | 第16-17页 |
| 2.1.1 多目标优化问题的数学模型 | 第16-17页 |
| 2.1.2 相关定义 | 第17页 |
| 2.2 多目标进化算法 | 第17-19页 |
| 2.2.1 多目标进化算法框架 | 第18页 |
| 2.2.2 多目标进化算法的发展和新挑战 | 第18-19页 |
| 2.3 分解策略型多目标进化算法 | 第19-23页 |
| 2.3.1 算法基本思想和框架 | 第19-20页 |
| 2.3.2 算法流程图 | 第20页 |
| 2.3.3 权重生成方式 | 第20-21页 |
| 2.3.4 聚合函数 | 第21-22页 |
| 2.3.5 选择策略 | 第22-23页 |
| 2.4 MOEA/D的优势 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 MOEA/D自适应邻域策略研究 | 第25-38页 |
| 3.1 邻域规模设置的缺陷 | 第25-26页 |
| 3.2 基于更新能力的进化潜力判断机制 | 第26-28页 |
| 3.2.1 种群进化规律探究 | 第26-27页 |
| 3.2.2 基于更新能力的进化潜力判断机制 | 第27-28页 |
| 3.3 基于进化潜力判断的自适应邻域策略 | 第28-29页 |
| 3.4 算法流程 | 第29-30页 |
| 3.5 实验设计 | 第30-31页 |
| 3.5.1 实验设计及参数设置 | 第30页 |
| 3.5.2 测试问题 | 第30-31页 |
| 3.5.3 评价指标 | 第31页 |
| 3.6 实验结果和分析 | 第31-37页 |
| 3.6.1 基于更新能力的进化潜力判断机制实验结果和分析 | 第31-33页 |
| 3.6.2 自适应邻域策略实验结果和分析 | 第33-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第四章 MOEA/D自适应选择策略的研究 | 第38-51页 |
| 4.1 MOEA/D选择策略的缺陷 | 第38-40页 |
| 4.1.1 选择策略的缺陷 | 第38-39页 |
| 4.1.2 相关改进的分类和不足 | 第39-40页 |
| 4.2 基于最佳二分图匹配的选择策略 | 第40-43页 |
| 4.2.1 最佳二分图匹配和KM算法 | 第40-42页 |
| 4.2.2 基于最佳二分图匹配的选择策略 | 第42-43页 |
| 4.3 基于紊乱判断的自适应选择策略 | 第43-45页 |
| 4.3.1 子问题和解的匹配状态判断 | 第44页 |
| 4.3.2 基于紊乱判断的自适应选择策略 | 第44-45页 |
| 4.3.3 算法流程 | 第45页 |
| 4.4 实验及分析 | 第45-50页 |
| 4.4.1 实验设计及参数设置 | 第45-46页 |
| 4.4.2 多目标优化测试问题 | 第46页 |
| 4.4.3 评价指标 | 第46页 |
| 4.4.4 实验结果与分析 | 第46-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 自适应MOEA/D算法在复杂、高维问题上的求解 | 第51-65页 |
| 5.1 复杂、高维测试问题描述 | 第51-52页 |
| 5.1.1 CEC09UF测试函数集 | 第51页 |
| 5.1.2 WFG测试函数集 | 第51-52页 |
| 5.2 自适应MOEA/D算法 | 第52-53页 |
| 5.3 时间复杂度分析 | 第53-54页 |
| 5.4 实验设计 | 第54-56页 |
| 5.4.1 对比算法及参数设置 | 第54页 |
| 5.4.2 测试问题 | 第54-55页 |
| 5.4.3 评价指标 | 第55-56页 |
| 5.5 实验结果与分析 | 第56-64页 |
| 5.5.1 求解复杂问题的效果和分析 | 第56-60页 |
| 5.5.2 求解高维问题的效果和分析 | 第60-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 下一步工作与展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 作者简介 | 第74-75页 |