| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 引言 | 第10-11页 |
| 1.2 进化多目标优化算法的发展 | 第11页 |
| 1.3 猫群算法的研究及发展现状 | 第11-13页 |
| 1.4 论文内容及撰写安排 | 第13-14页 |
| 第二章 进化多目标优化算法 | 第14-25页 |
| 2.1 多目标优化问题的产生与发展 | 第14页 |
| 2.2 多目标优化问题及相关术语的定义 | 第14-16页 |
| 2.2.1 多目标优化的定义 | 第14-15页 |
| 2.2.2 Pareto支配 | 第15页 |
| 2.2.3 Pareto最优解 | 第15页 |
| 2.2.4 Pareto最优解集 | 第15页 |
| 2.2.5 Pareto前沿 | 第15-16页 |
| 2.3 经典的多目标测试函数及其Pareto前沿 | 第16-18页 |
| 2.4 进化多目标进化算法的性能度量指标 | 第18-19页 |
| 2.5 传统的多目标优化算法 | 第19-21页 |
| 2.5.1 线性加权和法 | 第19-20页 |
| 2.5.2 ε-约束法 | 第20页 |
| 2.5.3 参考目标距离法 | 第20-21页 |
| 2.5.4 目标规划法 | 第21页 |
| 2.6 进化多目标优化算法 | 第21-24页 |
| 2.6.1 NPGA | 第22页 |
| 2.6.2 NSGA | 第22-23页 |
| 2.6.3 NSGA-Ⅱ | 第23页 |
| 2.6.4 SPEA | 第23页 |
| 2.6.5 SPEA2 | 第23页 |
| 2.6.6 MOPSO | 第23-24页 |
| 2.6.7 MOCSO | 第24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 猫群优化算法 | 第25-36页 |
| 3.1 单目标猫群优化算法 | 第25-28页 |
| 3.1.1 猫群算法基本原理 | 第25-26页 |
| 3.1.2 搜索模式 | 第26页 |
| 3.1.3 跟踪模式 | 第26-28页 |
| 3.2 基于Cat映射的多目标猫群优化算法 | 第28-34页 |
| 3.2.1 精英策略 | 第28页 |
| 3.2.2 混沌映射 | 第28-29页 |
| 3.2.3 NRC-MOCSO算法原理 | 第29-31页 |
| 3.2.4 实验仿真与结果分析 | 第31-34页 |
| 3.3 本章小结 | 第34-36页 |
| 第四章 基于NRC-MOCSO的ISPCNN应用于图像分割 | 第36-47页 |
| 4.1 PCNN基本模型及其简化模型 | 第36-38页 |
| 4.1.1 PCNN基本模型 | 第36-38页 |
| 4.1.2 改进的简化PCNN模型(ISPCNN) | 第38页 |
| 4.2 PCNN参数优化的必要性 | 第38-39页 |
| 4.3 实验设计 | 第39-42页 |
| 4.3.1 编码及设计 | 第39-40页 |
| 4.3.2 算法的基本思想 | 第40-42页 |
| 4.4 仿真实验与结果分析 | 第42-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 在学期间的研究成果 | 第52-53页 |
| 致谢 | 第53页 |