| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-14页 |
| ·课题的背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文的创新性工作 | 第12页 |
| ·文章内容安排 | 第12-14页 |
| 第二章 理论基础 | 第14-25页 |
| ·遗传算法的基本理论与关键技术 | 第14-20页 |
| ·编码技术 | 第15-17页 |
| ·适应度函数 | 第17-18页 |
| ·遗传操作 | 第18-19页 |
| ·模式定理和积木块假设 | 第19-20页 |
| ·强化学习基本理论与算法介绍 | 第20-24页 |
| ·强化学习的基本理论 | 第20-22页 |
| ·强化学习的主要算法 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于强化学习的多策略选择遗传算法 | 第25-37页 |
| ·多策略选择遗传算法 | 第25-28页 |
| ·多策略选择要素 | 第25-26页 |
| ·多策略选择算法结构与算法描述 | 第26-28页 |
| ·基于强化学习的多策略选择遗传算法 | 第28-34页 |
| ·种群多样性的度量 | 第28-29页 |
| ·学习模型及其组成要素 | 第29-31页 |
| ·基于强化学习的MPSGA 算法 | 第31-32页 |
| ·算法收敛性分析 | 第32-34页 |
| ·实验结果与分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 双精英协同进化遗传算法 | 第37-50页 |
| ·精英策略和协同进化策略 | 第37-38页 |
| ·双精英协同进化遗传算法 | 第38-45页 |
| ·个体评价策略 | 第38-39页 |
| ·协作交叉操作 | 第39-40页 |
| ·双精英进化机制 | 第40-42页 |
| ·双精英协同进化遗传算法 | 第42-43页 |
| ·算法收敛性分析 | 第43-45页 |
| ·实验结果与分析 | 第45-49页 |
| ·DECGA 算法的实验结果 | 第46页 |
| ·种群多样性变化图 | 第46-47页 |
| ·DECGA 算法与DSGA、LGA 算法的比较 | 第47-48页 |
| ·DECGA 算法与SGA、EGA、BEGA 算法的比较 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于强化学习的双精英协同进化遗传算法 | 第50-57页 |
| ·基于强化学习的双精英协同进化遗传算法 | 第50-54页 |
| ·比例参数调节 | 第51-52页 |
| ·多交叉、变异操作调整策略 | 第52-53页 |
| ·交叉、变异概率调整策略 | 第53-54页 |
| ·仿真实验 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·本文工作总结 | 第57-58页 |
| ·工作展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士期间发表（录用）的论文和参加的科研项目 | 第64-66页 |
| 致谢 | 第66-67页 |