作者简介 | 第6-7页 |
摘要 | 第7-9页 |
abstract | 第9-10页 |
第一章 绪论 | 第18-43页 |
1.1 课题背景及意义 | 第18-19页 |
1.2 演化算法 | 第19-26页 |
1.2.1 遗传算法 | 第20-21页 |
1.2.2 差分演化算法 | 第21-23页 |
1.2.3 蚁群算法 | 第23-24页 |
1.2.4 粒子群算法 | 第24-26页 |
1.3 多目标优化 | 第26-34页 |
1.3.1 多目标优化问题 | 第26-27页 |
1.3.2 多目标演化算法 | 第27-31页 |
1.3.3“很多”目标演化算法 | 第31-34页 |
1.4 约束优化 | 第34-39页 |
1.4.1 约束演化算法 | 第34页 |
1.4.2 惩罚函数法 | 第34-36页 |
1.4.3 分离目标与约束法 | 第36-38页 |
1.4.4 多目标优化法 | 第38-39页 |
1.5 演化计算的发展趋势 | 第39-41页 |
1.6 本文的主要工作及安排 | 第41-43页 |
第二章 动态约束“很多”目标演化算法求解约束优化问题 | 第43-80页 |
2.1 建立动态约束“很多”目标优化问题模型 | 第43-51页 |
2.1.1 约束优化问题介绍 | 第43-44页 |
2.1.2 约束优化问题转化为约束“很多”目标优化问题 | 第44-45页 |
2.1.3 约束“很多”目标优化问题转化为动态约束“很多”目标优化问题 | 第45-51页 |
2.2 动态约束“很多”目标演化算法 | 第51-60页 |
2.2.1 算法总体框架 | 第51-52页 |
2.2.2 差分演化算法产生子代种群 | 第52-53页 |
2.2.3 基于参考点的非劣排序方法产生后代种群 | 第53-60页 |
2.3 数值实验及结果分析 | 第60-73页 |
2.3.1 测试函数 | 第60-61页 |
2.3.2 参数设置 | 第61-62页 |
2.3.3 实验结果及比较 | 第62-73页 |
2.4 算法参数的影响 | 第73-76页 |
2.4.1 种群规模的影响 | 第73-75页 |
2.4.2 边界收敛参数的影响 | 第75-76页 |
2.5 多目标优化技术的影响 | 第76-79页 |
2.6 本章小结 | 第79-80页 |
第三章 动态约束演化算法改进设计 | 第80-102页 |
3.1 基于混合约束处理机制的演化算法 | 第80-85页 |
3.1.1 基本设计思想 | 第80-81页 |
3.1.2 混合约束处理比较算子 | 第81-82页 |
3.1.3 混合约束处理机制演化算法 | 第82-84页 |
3.1.4 数值实验 | 第84-85页 |
3.2 引入计算资源分配机制的约束演化算法 | 第85-93页 |
3.2.1 基本设计思想 | 第85-86页 |
3.2.2 计算资源分配的基本方法 | 第86-88页 |
3.2.3 基于计算资源分配的动态约束“很多”目标演化算法 | 第88-91页 |
3.2.4 数值实验 | 第91-93页 |
3.3 引入参数学习机制的约束演化算法 | 第93-99页 |
3.3.1 DE参数调整方法介绍 | 第93-95页 |
3.3.2 参数学习机制 | 第95-96页 |
3.3.3 引入参数学习机制的动态约束“很多”目标演化算法 | 第96-97页 |
3.3.4 数值实验 | 第97-99页 |
3.4 几种改进算法的统计结果分析 | 第99-100页 |
3.5 本章小结 | 第100-102页 |
第四章 动态约束“很多”目标演化算法优化天线设计 | 第102-115页 |
4.1 天线性能参数 | 第102-103页 |
4.2 演化天线设计 | 第103-105页 |
4.3 优化设计低剖面宽波束圆极化天线 | 第105-110页 |
4.3.1 天线问题 | 第105-107页 |
4.3.2 优化设计结果 | 第107-110页 |
4.4 优化设计S波段中增益天线 | 第110-113页 |
4.4.1 天线问题 | 第110-112页 |
4.4.2 优化设计结果 | 第112-113页 |
4.5 本章小结 | 第113-115页 |
第五章 结论及展望 | 第115-118页 |
5.1 研究结论 | 第115-116页 |
5.2 工作的不足与展望 | 第116-118页 |
5.2.1 工作不足 | 第116页 |
5.2.2 工作展望 | 第116-118页 |
致谢 | 第118-119页 |
参考文献 | 第119-132页 |