| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 微分进化算法的研究现状及应用 | 第9-10页 |
| 1.3 高维多目标进化算法的研究现状及应用 | 第10-13页 |
| 1.4 聚类算法的研究现状及应用 | 第13-14页 |
| 1.5 论文的创新点 | 第14页 |
| 1.6 论文的框架安排 | 第14-16页 |
| 第二章 多目标微分进化算法 | 第16-28页 |
| 2.1 多目标进化算法 | 第16-23页 |
| 2.1.1 多目标优化问题中的几个重要定义 | 第16-18页 |
| 2.1.2 多目标进化算法的一般框架 | 第18页 |
| 2.1.3 进化多目标优化算法发展过程 | 第18-21页 |
| 2.1.4 多目标进化算法性能指标 | 第21-23页 |
| 2.2 基本微分进化算法 | 第23-25页 |
| 2.2.1 群体初始化 | 第23-24页 |
| 2.2.2 变异操作 | 第24-25页 |
| 2.2.3 交叉操作 | 第25页 |
| 2.2.4 选择操作 | 第25页 |
| 2.3 多目标微分进化算法研究现状 | 第25-27页 |
| 2.3.1 参数控制 | 第26页 |
| 2.3.2 变异策略 | 第26页 |
| 2.3.3 群体更新 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于放松支配关系的高维多目标微分进化算法 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 一种采用放松支配关系的高维多目标微分进化算法 | 第28-34页 |
| 3.2.1 高维多目标优化问题的难点 | 第29页 |
| 3.2.2 基于rel-支配的放松Pareto支配关系 | 第29-31页 |
| 3.2.3 群体与外部存储器的协同进化 | 第31-33页 |
| 3.2.4 算法实现步骤 | 第33-34页 |
| 3.2.5 算法的计算复杂度 | 第34页 |
| 3.3 实验仿真与结果分析 | 第34-40页 |
| 3.3.1 优化问题描述 | 第34-35页 |
| 3.3.2 参数设置 | 第35-36页 |
| 3.3.3 测度 | 第36页 |
| 3.3.4 实验结果与分析 | 第36-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 聚类算法 | 第41-55页 |
| 4.1 聚类描述及过程 | 第41-43页 |
| 4.2 聚类的相似性度量准则 | 第43-44页 |
| 4.3 聚类有效性指标分类 | 第44-48页 |
| 4.3.1 仅考虑隶属度的聚类有效性指标 | 第45-46页 |
| 4.3.2 仅考虑数据集几何结构信息的聚类有效性指标 | 第46-47页 |
| 4.3.3 同时考虑数据集几何结构信息和隶属度的聚类有效性指标 | 第47-48页 |
| 4.4 聚类方法 | 第48-54页 |
| 4.4.1 传统的聚类方法 | 第49-53页 |
| 4.4.2 新型聚类方法 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 采用类心密度策略的多目标微分自动聚类算法 | 第55-73页 |
| 5.1 引言 | 第55页 |
| 5.2 类心密度策略 | 第55-59页 |
| 5.2.1 个体编码方式 | 第55-56页 |
| 5.2.2 类心偏离数据集的改进 | 第56-58页 |
| 5.2.3 类心过于集中的改进 | 第58-59页 |
| 5.3 基于类心密度策略的多目标微分自动聚类算法 | 第59-61页 |
| 5.3.1 聚类有效性指标 | 第59-60页 |
| 5.3.2 解的选择策略 | 第60页 |
| 5.3.3 所提算法MODEAC-CD的实现流程 | 第60-61页 |
| 5.4 实验仿真与结果分析 | 第61-67页 |
| 5.4.1 实验条件及数据描述 | 第61-62页 |
| 5.4.2 简述比较算法与参数设置 | 第62-63页 |
| 5.4.3 实验结果与分析 | 第63-67页 |
| 5.5 图形用户界面设计 | 第67-72页 |
| 5.5.1 创建界面 | 第68页 |
| 5.5.2 界面测试 | 第68-72页 |
| 5.6 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 论文总结 | 第73页 |
| 6.2 工作展望 | 第73-75页 |
| 参考文献 | 第75-83页 |
| 致谢 | 第83-84页 |
| 作者简介 | 第84页 |
