| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 基本概念 | 第11-12页 |
| 1.3 多目标进化算法的性能评价指标 | 第12-14页 |
| 1.4 研究内容和章节安排 | 第14-15页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 章节安排 | 第15页 |
| 2 高维目标优化及协同进化理论 | 第15-28页 |
| 2.1 高维目标优化 | 第15-24页 |
| 2.1.1 高维目标优化问题描述 | 第15-16页 |
| 2.1.2 高维目标优化算法研究难点和现状 | 第16-20页 |
| 2.1.3 基于决策者偏好的优化方法 | 第20-24页 |
| 2.2 协同进化理论 | 第24-27页 |
| 2.2.1 协同进化的基本思想 | 第24-25页 |
| 2.2.2 协同进化算法介绍 | 第25-26页 |
| 2.2.3 协同进化在高维目标优化问题上的应用 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3 基于多偏好混合支配的协同进化算法 | 第28-40页 |
| 3.1 适应值赋值法改进 | 第28-30页 |
| 3.2 混合支配策略 | 第30页 |
| 3.3 算法流程 | 第30-32页 |
| 3.4 仿真实验与结果分析 | 第32-40页 |
| 3.4.1 实验设置 | 第32-33页 |
| 3.4.2 混合支配策略的有效性实验 | 第33-34页 |
| 3.4.3 适应值赋值法改进后的有效性实验 | 第34-36页 |
| 3.4.4 在WFG测试函数上的整体性能分析 | 第36-37页 |
| 3.4.5 在DTLZ测试函数上的整体性能分析 | 第37-38页 |
| 3.4.6 Pareto前沿对比分析 | 第38-40页 |
| 3.5 本章小结 | 第40页 |
| 4 基于偏好向量引导的高维目标协同进化算法 | 第40-53页 |
| 4.1 收益标量函数（Achievement scalarizing function） | 第40-41页 |
| 4.2 PICEA框架 | 第41-42页 |
| 4.3 偏好区域选择策略 | 第42-44页 |
| 4.4 算法流程 | 第44-46页 |
| 4.5 仿真实验与结果分析 | 第46-53页 |
| 4.5.1 参数分析实验 | 第46-48页 |
| 4.5.2 ASF-PICEA-g算法与其他算法的性能对比实验 | 第48-53页 |
| 4.6 本章小结 | 第53页 |
| 5 结论 | 第53-54页 |
| 6 展望 | 第54-55页 |
| 参考文献 | 第55-63页 |
| 附录 | 第63-65页 |
| 攻读学位期间主要科研成果 | 第65页 |