| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.1.1 研究背景 | 第16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-18页 |
| 1.2.1 多任务优化算法研究 | 第17页 |
| 1.2.2 高维度优化算法研究 | 第17-18页 |
| 1.3 论文主要内容与章节安排 | 第18-20页 |
| 第二章 多任务优化问题及其算法研究 | 第20-36页 |
| 2.1 引言 | 第20-21页 |
| 2.2 多任务优化问题 | 第21-24页 |
| 2.2.1 多任务优化问题的定义 | 第21-22页 |
| 2.2.2 常见的多任务优化算法 | 第22-24页 |
| 2.3 基于动态自适应的多任务优化算法 | 第24-27页 |
| 2.3.1 粒子群操作 | 第24-26页 |
| 2.3.2 动态自适应优化 | 第26-27页 |
| 2.4 实验结果与数据分析 | 第27-35页 |
| 2.4.1 参数设置 | 第29页 |
| 2.4.2 收敛趋势分析 | 第29-33页 |
| 2.4.3 最终收敛度分析 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 分布式计算理论及其在高维度优化算法上的应用 | 第36-54页 |
| 3.1 引言 | 第36-37页 |
| 3.2 分布式计算 | 第37-41页 |
| 3.2.1 分布式并行计算理论 | 第38-39页 |
| 3.2.2 分布式并行计算框架-Spark | 第39-41页 |
| 3.3 基于决策变量分析的高维度优化算法 | 第41-48页 |
| 3.3.1 基于决策变量分析的算法 | 第44-46页 |
| 3.3.2 基于分布式的决策变量分析算法 | 第46-48页 |
| 3.4 实验数据与分析 | 第48-52页 |
| 3.4.1 参数设置 | 第48-49页 |
| 3.4.2 控制属性分析 | 第49-50页 |
| 3.4.3 依赖性分析 | 第50-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 基于分布式的动态自适应多任务优化算法 | 第54-66页 |
| 4.1 引言 | 第54页 |
| 4.2 高维度多任务优化问题的决策变量优化 | 第54-55页 |
| 4.3 高维度多任务优化问题的复杂任务分解 | 第55-59页 |
| 4.3.1 独立性优先 | 第55-57页 |
| 4.3.2 信息量优先 | 第57-58页 |
| 4.3.3 相似化分解 | 第58-59页 |
| 4.4 分布式动态自适应多因子进化算法 | 第59-60页 |
| 4.5 实验结果及其分析 | 第60-64页 |
| 4.5.1 参数设置 | 第60页 |
| 4.5.2 收敛性分析 | 第60-62页 |
| 4.5.3 最终收敛度分析 | 第62页 |
| 4.5.4 计算时间分析 | 第62-64页 |
| 4.6 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-75页 |