| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.2 多目标优化问题概述 | 第13-17页 |
| 1.2.1 多目标优化问题描述 | 第13页 |
| 1.2.2 多目标优化问题中的一些基本概念 | 第13-15页 |
| 1.2.3 多目标优化问题中的多目标进化算法 | 第15-16页 |
| 1.2.4 多目标优化问题的研究热点 | 第16-17页 |
| 1.3 论文结构 | 第17-19页 |
| 2 粒子群优化算法概述 | 第19-30页 |
| 2.1 粒子群优化算法基本原理 | 第19-25页 |
| 2.1.1 标准粒子群优化算法 | 第19-21页 |
| 2.1.2 粒子群优化算法的改进 | 第21-24页 |
| 2.1.3 粒子群优化算法的应用 | 第24-25页 |
| 2.2 多目标优化问题中的粒子群优化算法 | 第25-27页 |
| 2.3 基于非支配排序的遗传算法NSGA-II | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于快速排序的多目标综合学习粒子群优化算法 | 第30-53页 |
| 3.1 综合学习粒子群优化算法 | 第30-33页 |
| 3.2 综合学习粒子群优化算法的多目标实现 | 第33页 |
| 3.3 快速排序策略 | 第33-40页 |
| 3.4 改进的多目标综合学习粒子群优化算法参数分析 | 第40-44页 |
| 3.4.1 多目标优化问题评价标准 | 第40-42页 |
| 3.4.2 测试函数 | 第42-43页 |
| 3.4.3 MOCLPSO-FS参数分析 | 第43-44页 |
| 3.5 算法性能测试及结果分析 | 第44-52页 |
| 3.5.1 标准函数下的实验及仿真 | 第44-45页 |
| 3.5.2 结果对比及结论 | 第45-52页 |
| 3.6 本章小结 | 第52-53页 |
| 4 改进的多目标粒子群优化算法在投资组合问题中的应用 | 第53-58页 |
| 4.1 投资组合优化问题概述 | 第53页 |
| 4.2 投资组合优化问题的求解 | 第53-54页 |
| 4.3 投资组合优化问题的多目标数学模型 | 第54页 |
| 4.4 仿真及实验 | 第54-57页 |
| 4.4.1 实验设置 | 第54-55页 |
| 4.4.2 结果及分析 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 5 总结及展望 | 第58-60页 |
| 5.1 全文总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-67页 |
| 致谢 | 第67-68页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第68页 |