| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-15页 |
| ·多目标粒子群算法研究现状 | 第10-14页 |
| ·供应商选择问题研究现状 | 第14-15页 |
| ·研究内容及章节安排 | 第15-17页 |
| ·研究内容 | 第15页 |
| ·章节安排 | 第15-17页 |
| 2 多目标进化算法及其性能评价 | 第17-28页 |
| ·多目标优化问题 | 第17-19页 |
| ·多目标优化数学模型 | 第17-18页 |
| ·多目标优化问题的解 | 第18-19页 |
| ·多目标进化算法 | 第19-25页 |
| ·多目标进化算法 | 第19-24页 |
| ·MOEAs一般流程 | 第24-25页 |
| ·多目标进化算法的性能评价指标 | 第25-26页 |
| ·收敛性指标 | 第25-26页 |
| ·分布性指标 | 第26页 |
| ·本章小结 | 第26-28页 |
| 3 多目标粒子群优化算法及其改进 | 第28-38页 |
| ·粒子群优化算法 | 第28-32页 |
| ·粒子群优化算法 | 第28-30页 |
| ·多目标粒子群优化算法 | 第30-32页 |
| ·多样性的保持 | 第32-35页 |
| ·惯性权重因子设置 | 第32-33页 |
| ·变异因子 | 第33-34页 |
| ·精英种群管理 | 第34-35页 |
| ·仿真实验及分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 4 Baldwin混合多目标粒子群算法（BM-MOPSO） | 第38-46页 |
| ·基于Baldwin效应的局部搜索算法 | 第38-41页 |
| ·Baldwin效应学习策略 | 第38-40页 |
| ·算法步骤 | 第40-41页 |
| ·混合多目标粒子群算法BM-MOPSO | 第41-43页 |
| ·混合算法策略 | 第41-42页 |
| ·BM-MOPSO流程 | 第42页 |
| ·计算复杂度分析 | 第42-43页 |
| ·仿真实验及分析 | 第43-45页 |
| ·Pareto前沿对比 | 第43-44页 |
| ·收敛性与多样性 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 BM-MOPSO在采购量分配模型中的应用 | 第46-54页 |
| ·采购量分配模型 | 第46-49页 |
| ·采购量分配模型优化实验 | 第49-53页 |
| ·实验环境和参数设置 | 第49-50页 |
| ·算法性能分析 | 第50-52页 |
| ·TOPSIS决策 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 6 结论与展望 | 第54-56页 |
| ·本论文工作总结 | 第54-55页 |
| ·进一步研究方向 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间主要科研成果 | 第62页 |