| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第17-27页 |
| 1.1 演化算法概述 | 第17-19页 |
| 1.2 计算代价高优化问题介绍 | 第19-21页 |
| 1.3 基于代理模型的演化算法 | 第21-23页 |
| 1.4 本论文的主要研究工作和创新之处 | 第23-25页 |
| 1.5 本论文的组织结构 | 第25-26页 |
| 1.6 本章小结 | 第26-27页 |
| 第2章 基础知识与相关工作综述 | 第27-41页 |
| 2.1 差分演化算法 | 第27-33页 |
| 2.1.1 普通差分演化算法 | 第27-29页 |
| 2.1.2 自适应差分演化算法 | 第29-32页 |
| 2.1.3 计算代价高问题对DE的挑战 | 第32-33页 |
| 2.2 基于代理模型的演化算法综述 | 第33-40页 |
| 2.2.1 演化控制 | 第33-34页 |
| 2.2.2 模型预选 | 第34-35页 |
| 2.2.3 近似模型 | 第35-38页 |
| 2.2.4 研究趋势 | 第38-40页 |
| 2.3 本章小结 | 第40-41页 |
| 第3章 基于代理模型的高效差分演化算法研究 | 第41-69页 |
| 3.1 基于分类模型的差分演化算法研究 | 第41-52页 |
| 3.1.1 引言 | 第41-43页 |
| 3.1.2 基于分类模型的差分演化算法 | 第43-46页 |
| 3.1.3 实验结果与结论 | 第46-51页 |
| 3.1.4 结论 | 第51-52页 |
| 3.2 基于分类模型和回归模型结合的差分演化算法研究 | 第52-66页 |
| 3.2.1 引言 | 第52-54页 |
| 3.2.2 基于分类模型和回归模型结合的差分演化算法 | 第54-57页 |
| 3.2.3 实验验证与分析 | 第57-66页 |
| 3.2.4 结论 | 第66页 |
| 3.3 本章小结 | 第66-69页 |
| 第4章 基于代理模型的自适应差分演化算法研究 | 第69-99页 |
| 4.1 引言 | 第70-72页 |
| 4.2 相关工作简介 | 第72-74页 |
| 4.2.1 自适应的差分演化算法 | 第72-74页 |
| 4.2.2 CoDE算法 | 第74页 |
| 4.3 一种新的自适应机制 | 第74-79页 |
| 4.3.1 DESSA框架 | 第75-77页 |
| 4.3.2 DESSA-CoDE算法 | 第77-79页 |
| 4.3.3 讨论 | 第79页 |
| 4.4 实验结果与结论 | 第79-97页 |
| 4.4.1 算法DESSA-CoDE的性能研究 | 第80-87页 |
| 4.4.2 新提出的自适应机制的性能研究 | 第87-95页 |
| 4.4.3 DESSA容纳多个搜索策略的能力研究 | 第95-97页 |
| 4.5 本章小结 | 第97-99页 |
| 第5章 基于多模型的模因演算法 | 第99-121页 |
| 5.1 引言 | 第99-102页 |
| 5.2 相关工作简介 | 第102-110页 |
| 5.2.1 模因演算法简介 | 第102-104页 |
| 5.2.2 基于多模型的GSM算法介绍 | 第104-106页 |
| 5.2.3 基于多模型的EvoLS算法介绍 | 第106-110页 |
| 5.3 基于层次结构模型的演化优化方法 | 第110-114页 |
| 5.3.1 底层模型构建 | 第110页 |
| 5.3.2 局部搜索算法 | 第110-112页 |
| 5.3.3 高层模型构建 | 第112页 |
| 5.3.4 数学分析 | 第112-114页 |
| 5.4 实验结果与结论 | 第114-119页 |
| 5.4.1 实验设置 | 第114-116页 |
| 5.4.2 实验结果 | 第116-119页 |
| 5.5 本章小结 | 第119-121页 |
| 第6章 总结与展望 | 第121-125页 |
| 6.1 工作总结 | 第121-123页 |
| 6.2 未来展望 | 第123-125页 |
| 参考文献 | 第125-135页 |
| 致谢 | 第135-137页 |
| 在读期间发表的学术论文与取得的研究成果 | 第137-138页 |