| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-25页 |
| ·引言 | 第13页 |
| ·进化算法的现状 | 第13-17页 |
| ·进化算法的研究发展 | 第17-18页 |
| ·约束单目标优化问题及其进化算法 | 第18-20页 |
| ·多目标优化问题及其进化算法 | 第20-22页 |
| ·本文的主要工作与内容安排 | 第22-25页 |
| 第二章 进化算法与粒子群优化算法的基本理论 | 第25-39页 |
| ·进化算法的框架及基本理论 | 第25-31页 |
| ·进化算法的基本框架 | 第25-29页 |
| ·进化算法的基础理论 | 第29-31页 |
| ·粒子群优化算法简介 | 第31-39页 |
| ·基本粒子群算法框架 | 第31-33页 |
| ·粒子群算法与其它进化算法的比较 | 第33页 |
| ·两种基本进化模型 | 第33-34页 |
| ·粒子群算法的改进 | 第34-39页 |
| 第三章 解决约束单目标优化问题的两种粒子群算法 | 第39-57页 |
| ·相关工作 | 第39-42页 |
| ·问题表述 | 第39-40页 |
| ·进化算法在约束优化问题中的研究现状 | 第40-42页 |
| ·解决约束优化问题的双目标粒子群优化算法 | 第42-47页 |
| ·模型的建立 | 第42-43页 |
| ·基于偏好的粒子比较准则 | 第43页 |
| ·改进的多父体单形杂交算子 | 第43-44页 |
| ·双目标粒子群优化算法(TPSO)的流程 | 第44-45页 |
| ·数值模拟 | 第45-47页 |
| ·解决约束优化问题的模糊粒子群算法 | 第47-57页 |
| ·模糊个体极值和模糊全局极值的提出 | 第48-49页 |
| ·基于阈值的粒子比较准则 | 第49-50页 |
| ·模糊粒子群算法 FPSO 的流程 | 第50-51页 |
| ·数值模拟 | 第51-53页 |
| ·收敛性分析 | 第53-57页 |
| 第四章 解决无约束多目标优化问题的几种进化算法 | 第57-85页 |
| ·相关工作 | 第57-62页 |
| ·问题表述 | 第57-58页 |
| ·进化算法在多目标优化问题中的研究现状 | 第58-62页 |
| ·基于粒子群优化的多目标 Memetic 算法 | 第62-69页 |
| ·多目标优化模型的转化 | 第62-63页 |
| ·基于新模型的粒子比较准则 | 第63-64页 |
| ·局部搜索算子的引进 | 第64页 |
| ·全局极值的选取 | 第64-65页 |
| ·基于粒子群优化的多目标 Memetic 算法(PSMA)流程 | 第65-66页 |
| ·实例仿真与性能比较 | 第66-69页 |
| ·解决多目标优化问题的模糊粒子群算法 | 第69-75页 |
| ·多目标模糊个体极值和模糊全局极值的提出 | 第69-70页 |
| ·多目标模糊粒子群算法流程 | 第70-72页 |
| ·实例仿真与性能比较 | 第72-75页 |
| ·基于新模型的多目标 Memetic 算法 | 第75-82页 |
| ·多目标优化模型的转化 | 第76页 |
| ·一种新的选择策略 | 第76-77页 |
| ·新的接收准则 | 第77页 |
| ·基于新模型的多目标 Memetic 算法 | 第77-79页 |
| ·实例仿真与性能比较 | 第79-82页 |
| ·收敛性分析 | 第82-85页 |
| 第五章 解决多目标约束优化问题的两种粒子群算法 | 第85-107页 |
| ·解决多目标约束优化问题的混合粒子群算法 | 第85-95页 |
| ·粒子保留准则 | 第86-87页 |
| ·一种新的拥挤距离函数 | 第87-88页 |
| ·基于合力的变异算子 | 第88-89页 |
| ·混合粒子群算法流程 | 第89页 |
| ·实例仿真与性能比较 | 第89-95页 |
| ·基于不可行精英保留策略的粒子群优化算法 | 第95-103页 |
| ·不可行精英保留策略的提出 | 第96-97页 |
| ·新的拥挤距离函数 | 第97-98页 |
| ·新的变异算子 | 第98页 |
| ·基于不可行精英保留策略的粒子群优化算法(IPSO) | 第98-99页 |
| ·实例仿真与性能比较 | 第99-103页 |
| ·收敛性分析 | 第103-107页 |
| 第六章 粒子群算法中惯性权重的分析 | 第107-113页 |
| ·动态改变的惯性权重 | 第107-109页 |
| ·动态改变惯性权重的提出 | 第107-108页 |
| ·动态改变权重的粒子群算法(DPSO)流程 | 第108页 |
| ·数值实验 | 第108-109页 |
| ·基于平滑函数和一维搜索的粒子群优化算法 | 第109-113页 |
| ·简化的粒子群优化算法 | 第110页 |
| ·重新生成停止进化的粒子位置 | 第110-111页 |
| ·算法流程(NPSO) | 第111-112页 |
| ·数值实验 | 第112-113页 |
| 第七章 总结与展望 | 第113-117页 |
| 致谢 | 第117-119页 |
| 参考文献 | 第119-131页 |
| 攻读博士学位期间发表(录用)论文和科研情况 | 第131-133页 |