| 作者简介 | 第1-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-15页 |
| 第一章 绪论 | 第15-22页 |
| §1.1 研究背景及意义 | 第15-17页 |
| ·多目标演化算法的研究背景及意义 | 第15-16页 |
| ·昂贵评价算法的研究背景及意义 | 第16-17页 |
| §1.2 国内外研究现状 | 第17-19页 |
| §1.3 论文所做的工作及创新 | 第19-20页 |
| ·论文所做的工作 | 第19页 |
| ·主要创新点 | 第19-20页 |
| §1.4 正文结构 | 第20-21页 |
| §1.5 本章小结 | 第21-22页 |
| 第二章 昂贵评价算法概述 | 第22-29页 |
| §2.1 初始样本集生成方法 | 第22-23页 |
| §2.2 DACE模型的基本原理 | 第23-24页 |
| ·模型的建立 | 第23-24页 |
| ·最佳线性无偏差预测 | 第24页 |
| §2.3 期望增量算法概述 | 第24-27页 |
| ·预测点的衡量标准 | 第25-26页 |
| ·期望增量算法的原理 | 第26-27页 |
| §2.4 EGO算法的基本流程 | 第27-28页 |
| §2.5 本章小结 | 第28-29页 |
| 第三章 改进的昂贵多目标优化算法 | 第29-42页 |
| §3.1 昂贵多目标问题描述 | 第29-30页 |
| §3.2 基于分解的昂贵多目标优化算法 | 第30-34页 |
| ·MOEA/D算法的基本思想 | 第30-31页 |
| ·MOEA/D算法的技术框架 | 第31-32页 |
| ·MOEA/D-EGO算法的实现流程 | 第32-34页 |
| §3.3 基于非分解的昂贵多目标演化算法 | 第34-38页 |
| ·NSGAⅡ算法的基本思想 | 第34-36页 |
| ·NSGAⅡ算法的技术框架 | 第36-37页 |
| ·NSGA Ⅱ-EGO算法的实现流程 | 第37-38页 |
| §3.4 NSGA Ⅱ-EGO校正点选取策略的改进 | 第38-41页 |
| ·K均值聚类算法 | 第38-39页 |
| ·改进的校正点选取度量准则 | 第39-40页 |
| ·KMN-EGO算法的基本流程 | 第40-41页 |
| §3.5 本章小结 | 第41-42页 |
| 第四章 数据实验及结果分析 | 第42-57页 |
| §4.1 定量与定性分析指标 | 第42-44页 |
| ·基本测试函数集 | 第42-43页 |
| ·性能评价指标 | 第43-44页 |
| §4.2 改进策略性能测试及分析 | 第44-48页 |
| ·算法参数设置 | 第44页 |
| ·改进策略有效性验证 | 第44-46页 |
| ·对比测试分析 | 第46-48页 |
| §4.3 在继电器参数优化中的应用 | 第48-56页 |
| ·实验背景 | 第48-49页 |
| ·实验描述 | 第49-50页 |
| ·实验结果与分析 | 第50-56页 |
| §4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| §5.1 工作总结 | 第57-58页 |
| §5.2 研究展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |