| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-13页 |
| 图目录 | 第13-14页 |
| 表目录 | 第14-15页 |
| 主要符号表 | 第15-16页 |
| 第一章 绪论 | 第16-45页 |
| ·研究背景与意义 | 第16-17页 |
| ·最优化问题及相关概念 | 第17-22页 |
| ·演化算法 | 第22-28页 |
| ·单目标演化算法 | 第22-27页 |
| ·多目标演化算法 | 第27-28页 |
| ·演化算法性能研究现状 | 第28-41页 |
| ·早期理论研究成果 | 第28-29页 |
| ·演化算法在拟布尔函数上的性能研究现状 | 第29-36页 |
| ·演化算法在 P 类问题上的性能研究现状 | 第36-38页 |
| ·演化算法在 NP-完全(难)问题上的性能研究现状 | 第38-41页 |
| ·混合算法性能研究现状 | 第41-43页 |
| ·有待探讨的问题 | 第43页 |
| ·本文工作 | 第43-45页 |
| 第二章 随机化启发式搜索算法分析基础 | 第45-53页 |
| ·引言 | 第45页 |
| ·基于概率的分析方法 | 第45-48页 |
| ·基于随机过程的分析方法 | 第48-50页 |
| ·算法分析相关知识 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第三章 演化算法在最小标签生成树问题上的性能分析 | 第53-76页 |
| ·引言 | 第53-54页 |
| ·最小标签生成树问题与相关算法 | 第54-57页 |
| ·(1+1) EA 和 GSEMO 在最小标签生成树问题上的近似性能 | 第57-62页 |
| ·(1+1) EA 和 GSEMO 在 MLSTb问题上的近似性能 | 第57-60页 |
| ·GSEMO 在 MLST 问题上的近似性能 | 第60-62页 |
| ·(1+1) EA 和 GSEMO 在四个实例上的性能分析 | 第62-75页 |
| ·GSEMO 优于(1+1) EA 的实例 | 第63-65页 |
| ·(1+1) EA 和 GSEMO 优于 ERA 的实例 | 第65-68页 |
| ·(1+1) EA 和 GSEMO 优于 LS2N 的实例 | 第68-71页 |
| ·(1+1) EA 和 GSEMO 优于 MVCA 变体算法的实例 | 第71-75页 |
| ·本章小结 | 第75-76页 |
| 第四章 演化算法在 Steiner 树问题上的性能分析 | 第76-89页 |
| ·引言 | 第76页 |
| ·STP 问题与相关算法 | 第76-80页 |
| ·图的 Steiner 树问题 | 第80-87页 |
| ·(1+1) EA 在准二分图的 STP 问题上的近似性能 | 第80-81页 |
| ·(1+1) EA 比基于最小生成树的启发式算法更优的实例 | 第81-83页 |
| ·(1+1) EA 比 AWH 更优的实例 | 第83-86页 |
| ·(1+1) EA 不能有效求解的 GSTP 实例 | 第86-87页 |
| ·直角 Steiner 树问题 | 第87-88页 |
| ·本章小结 | 第88-89页 |
| 第五章 混合算法成功率分析 | 第89-108页 |
| ·引言 | 第89页 |
| ·可满足性问题与启发式算法的成功率 | 第89-92页 |
| ·可满足性问题 | 第89-90页 |
| ·启发式算法的成功率 | 第90-92页 |
| ·混合算法及其成功率 | 第92-95页 |
| ·混合算法及其转移矩阵 | 第92-94页 |
| ·三个混合算法的成功率 | 第94-95页 |
| ·实例 | 第95-107页 |
| ·随机游走算法和局部(1+1) EA 算法 | 第95-96页 |
| ·三个基于随机游走算法和局部(1+1) EA 算法的混合算法 | 第96页 |
| ·SAT 实例 1 | 第96-101页 |
| ·SAT 实例 2 | 第101-107页 |
| ·本章小结 | 第107-108页 |
| 结论 | 第108-111页 |
| (一)工作总结 | 第108-109页 |
| (二)未来工作展望 | 第109-111页 |
| 参考文献 | 第111-122页 |
| 攻读博士学位期间取得的研究成果 | 第122-124页 |
| 致谢 | 第124-125页 |
| 附件 | 第125页 |
