首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

求解约束优化和多目标优化问题的进化算法研究

摘要第5-7页
ABSTRACT第7-8页
符号对照表第11-12页
缩略语对照表第12-16页
第一章 绪论第16-38页
    1.1 选题背景和意义第16-17页
    1.2 进化算法第17-24页
        1.2.1 进化算法的基本框架第17-19页
        1.2.2 进化算法的特点第19页
        1.2.3 差分进化算法简介第19-24页
    1.3 约束优化问题及约束优化进化算法第24-32页
        1.3.1 问题描述第24-25页
        1.3.2 进化算法中的约束处理技术第25-30页
        1.3.3 约束优化进化算法第30-32页
    1.4 多目标优化问题及多目标优化进化算法第32-36页
        1.4.1 问题描述及相关定义第32-34页
        1.4.2 多目标优化进化算法第34-36页
    1.5 本文主要工作与内容安排第36-38页
第二章 求解约束优化问题的动态偏好混合差分进化算法第38-54页
    2.1 引言第38页
    2.2 问题描述及相关工作第38-40页
        2.2.1 问题描述第38-39页
        2.2.2 相关工作第39-40页
    2.3 基于动态偏好的混合差分进化算法第40-46页
        2.3.1 基于参考点和加权向量的偏好适应度函数第40-42页
        2.3.2 单形交叉算子第42-43页
        2.3.3 基于单形交叉的局部搜索第43-45页
        2.3.4 混合差分进化算法第45-46页
    2.4 数值实验第46-52页
        2.4.1 测试函数及参数设置第46页
        2.4.2 实验结果分析及比较第46-49页
        2.4.3 权向量取值的影响第49-52页
    2.5 本章小结第52-54页
第三章 基于偏好关系的多目标进化算法求解约束优化问题第54-72页
    3.1 引言第54页
    3.2 基于a -支配关系的偏好多目标进化算法第54-61页
        3.2.1 偏好a -支配关系第54-55页
        3.2.2 参数取值分析第55-57页
        3.2.3 基于偏好a -支配关系的新算法第57-58页
        3.2.4 数值实验第58-61页
    3.3 基于广义 e -适当Pareto最优关系的偏好多目标进化算法第61-70页
        3.3.1 e -适当Pareto最优概念及推广第62-67页
        3.3.2 多目标偏好非支配分层算法第67页
        3.3.3 基于广义 e -适当Pareto最优关系的新算法第67-69页
        3.3.4 数值实验第69-70页
    3.4 本章小结第70-72页
第四章 基于新型双目标模型的约束优化进化算法第72-88页
    4.1 引言第72页
    4.2 新型无偏好双目标模型第72-73页
    4.3 新模型与约束优化问题的关系第73-75页
    4.4 新模型参数取值分析第75-77页
    4.5 求解新模型的差分进化算法第77-78页
    4.6 数值实验第78-86页
        4.6.1 测试函数及参数设置第78-79页
        4.6.2 对13个测试函数的实验结果及比较第79-83页
        4.6.3 对24个测试函数的实验结果及分析第83-86页
    4.7 本章小结第86-88页
第五章 融入偏好局部搜索的混合多目标差分进化算法第88-108页
    5.1 引言第88-89页
    5.2 多目标优化问题及成绩标量函数简介第89-90页
        5.2.1 多目标优化问题及概念第89-90页
        5.2.2 成绩标量函数简介第90页
    5.3 融入偏好局部搜索的多目标差分进化算法第90-98页
        5.3.1 混合变异策略第90-91页
        5.3.2 基于成绩标量函数的局部搜索第91-94页
        5.3.3 改进的 e -支配更新策略第94-97页
        5.3.4 新的混合多目标差分进化算法第97-98页
    5.4 数值实验第98-107页
        5.4.1 测试函数第98-101页
        5.4.2 参数设置第101页
        5.4.3 局部搜索算子的影响第101-102页
        5.4.4 实验结果及比较第102-107页
    5.5 本章小结第107-108页
第六章 结论和展望第108-110页
    6.1 研究结论第108-109页
    6.2 研究展望第109-110页
参考文献第110-122页
致谢第122-124页
作者简介第124-126页

论文共126页,点击 下载论文
上一篇:学习盲图像质量评价方法研究
下一篇:基于逼近器的自适应控制新方法