| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 主要符号对照表 | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 多目标优化问题 | 第10页 |
| 1.2 基于 Pareto 支配关系的相关概念 | 第10-11页 |
| 1.3 多目标进化算法 | 第11-13页 |
| 1.4 基于偏好的多目标进化算 | 第13-14页 |
| 1.5 论文的组织结构 | 第14-15页 |
| 第2章 基于偏好的多目标进化算法 | 第15-26页 |
| 2.1 从 MOEA 到基于偏好 MOEA | 第15-17页 |
| 2.2 基于权重的方法 | 第17-18页 |
| 2.3 基于解排序的方法 | 第18-21页 |
| 2.4 基于目标排序的方法 | 第21-22页 |
| 2.5 基于参考点的方法 | 第22-23页 |
| 2.6 基于权衡的方法 | 第23-24页 |
| 2.7 基于级别优于关系的方法 | 第24页 |
| 2.8 基于渴望函数的方法 | 第24-26页 |
| 第3章 基于偏好建模的优化支配策略 | 第26-43页 |
| 3.1 引入偏好的方法 | 第26-30页 |
| 3.1.1 权重聚合 | 第26-27页 |
| 3.1.2 ε约束 | 第27-28页 |
| 3.1.3 目标规划 | 第28页 |
| 3.1.4 参考点 | 第28-29页 |
| 3.1.5 参考方向 | 第29-30页 |
| 3.1.6 光束搜索 | 第30页 |
| 3.2 偏好解的确定 | 第30-31页 |
| 3.3 偏好解的分布性保持 | 第31-35页 |
| 3.3.1 小生境方法 | 第31页 |
| 3.3.2 网格划分方法 | 第31-33页 |
| 3.3.3 聚集密度 | 第33-34页 |
| 3.3.4 信息熵 | 第34页 |
| 3.3.5 聚类 | 第34-35页 |
| 3.4 基于偏好建模的优化支配策略 | 第35-43页 |
| 3.4.1 统一建模方法 | 第35-36页 |
| 3.4.2 新的支配关系 | 第36-37页 |
| 3.4.3 仿真实验与结论分析 | 第37-43页 |
| 第4章 MOEA(s)中基于角度偏好的ε-Pareto 支配策略研究 | 第43-53页 |
| 4.1 偏好区域设定方法 | 第43-44页 |
| 4.2 新的支配关系 | 第44-46页 |
| 4.2.1 基于角度偏好的ε支配关系定义 | 第44页 |
| 4.2.2 AP-ε-MOEA 算法 | 第44-46页 |
| 4.3 仿真实验与结论分析 | 第46-53页 |
| 4.3.1 AP-ε-MOEA 的测试实验 | 第46-48页 |
| 4.3.2 AP-ε-MOEA 与 G-NSGA-II 和 R-NSGA-II 的性能对比实验 | 第48-52页 |
| 4.3.3 时间复杂度比较 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53页 |
| 5.2 未来工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录 A ZDT 系列测试函数 | 第60-61页 |
| 附录 B DTLZ 系列测试函数 | 第61-62页 |
| 攻读硕士学位期间参与的项目及投发的论文 | 第62页 |