| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-17页 |
| 第一章 绪论 | 第17-21页 |
| 1.1 约束多目标优化算法的研究背景和发展现状 | 第17-19页 |
| 1.1.1 约束多目标优化问题的数学模型 | 第17页 |
| 1.1.2 约束多目标优化问题的研究现状 | 第17-19页 |
| 1.2 度量指标 | 第19-20页 |
| 1.2.1 世代距离 （Generational Distance） | 第19页 |
| 1.2.2 空间度量（Spacing） | 第19-20页 |
| 1.2.3 T检验（t-test） | 第20页 |
| 1.2.4 威尔科克森符号秩检验（Wilcoxion） | 第20页 |
| 1.3 本论文内容安排 | 第20-21页 |
| 第二章量子免疫克隆算法用于求解约束多目标优化问题 | 第21-39页 |
| 2.1 引言 | 第21页 |
| 2.2 约束偏离值处理策略 | 第21-22页 |
| 2.3 量子免疫克隆算法用于求解约束多目标优化问题 | 第22-31页 |
| 2.3.1 编码方式 | 第22-23页 |
| 2.3.2 初始化 | 第23-24页 |
| 2.3.3 选择操作 | 第24-25页 |
| 2.3.4 克隆 | 第25-26页 |
| 2.3.5 量子计算 | 第26-28页 |
| 2.3.6 交叉、变异 | 第28-29页 |
| 2.3.7 算法主要流程 | 第29-31页 |
| 2.4 仿真实验及结果分析 | 第31-38页 |
| 2.5 本章总结 | 第38-39页 |
| 第三章 合作型免疫克隆协同进化算法用于求解约束多目标优化问题 | 第39-61页 |
| 3.1 引言 | 第39页 |
| 3.2 合作型免疫克隆协同进化算法用于求解约束多目标优化 | 第39-48页 |
| 3.2.1 初始化 | 第40页 |
| 3.2.2 个体评价 | 第40-41页 |
| 3.2.3 多层次精英种群策略 | 第41-44页 |
| 3.2.4 免疫克隆 | 第44-47页 |
| 3.2.5 合作型协同进化 | 第47-48页 |
| 3.2.6 算法流程 | 第48页 |
| 3.3 仿真实验及结果分析 | 第48-59页 |
| 3.3.1 克隆算子和协同进化对算法结果的影响分析 | 第49-50页 |
| 3.3.2 进化200代结果对比 | 第50-55页 |
| 3.3.3 进化1000代结果对比 | 第55-59页 |
| 3.4 本章总结 | 第59-61页 |
| 第四章 基于量子粒子群算法的约束多目标优化问题 | 第61-75页 |
| 4.1 引言 | 第61页 |
| 4.2 量子粒子群理论 | 第61页 |
| 4.3 量子粒子群用于求解约束多目标优化问题 | 第61-66页 |
| 4.3.1 抗体初始化 | 第62页 |
| 4.3.2 目标函数值处理 | 第62-63页 |
| 4.3.3 量子粒子群算子 | 第63-64页 |
| 4.3.4 免疫克隆变异操作 | 第64-65页 |
| 4.3.5 算法流程 | 第65-66页 |
| 4.4 实验结果及其分分析 | 第66-72页 |
| 4.4.1 测试问题及评价函数 | 第66-67页 |
| 4.4.2 测试问题结果 | 第67-72页 |
| 4.5 本章总结 | 第72-75页 |
| 第五章 结论与展望 | 第75-77页 |
| 5.1 研究结论 | 第75页 |
| 5.2 研究展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 作者简介 | 第83-84页 |
| 1. 基本情况 | 第83页 |
| 2. 教育背景 | 第83页 |
| 3. 在学期间的研究成果 | 第83-84页 |
