首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

超多目标演化算法及其应用研究

摘要第5-8页
Abstract第8-9页
第1章 绪论第18-28页
    1.1 超多目标优化问题概述第18-21页
    1.2 背景知识介绍第21-24页
        1.2.1 基本概念第21页
        1.2.2 超多目标演化算法的定量评估第21-23页
        1.2.3 超多目标优化的主要困难第23-24页
    1.3 本文的主要工作第24-25页
    1.4 本文的组织结构第25页
    1.5 本章小结第25-28页
第2章 超多目标演化算法综述第28-54页
    2.1 基于松弛支配的方法第28-33页
        2.1.1 基于数值的支配第28-32页
        2.1.2 基于数量的支配第32-33页
    2.2 基于多样性的方法第33-34页
    2.3 基于聚集函数的方法第34-38页
        2.3.1 聚集个体信息的方法第34-37页
        2.3.2 聚集成对比较结果的方法第37-38页
        2.3.3 讨论第38页
    2.4 基于评价指标的方法第38-41页
        2.4.1 基于超体积的方法第38-39页
        2.4.2 基于距离指标的函数第39-40页
        2.4.3 基于R2指标的方法第40页
        2.4.4 讨论第40-41页
    2.5 基于参照点集合的方法第41-43页
        2.5.1 基于真实参照点集合的算法第42页
        2.5.2 基于虚拟参照点集合的方法第42页
        2.5.3 讨论第42-43页
    2.6 基于偏好的方法第43-46页
        2.6.1 先验型基于偏好的方法第43-44页
        2.6.2 交互型的基于偏好的方法第44-45页
        2.6.3 后验型的基于偏好的方法第45-46页
        2.6.4 讨论第46页
    2.7 降维的方法第46-49页
        2.7.1 离线降维方法第47-48页
        2.7.2 在线型降维方法第48-49页
        2.7.3 讨论第49页
    2.8 现实应用以及人工合成的超多目标优化问题第49页
    2.9 超多目标优化算法小结第49-54页
第3章 改进的基于两档案的超多目标演化算法第54-68页
    3.1 两档案算法第55页
    3.2 改进版两档案算法第55-58页
        3.2.1 基于PBI的收敛性档案更新第56-57页
        3.2.2 基于平移密度估计的多样性档案更新第57-58页
    3.3 实验研究第58-65页
        3.3.1 实验设置第58-60页
        3.3.2 实验结果与讨论第60-65页
    3.4 本章小结第65-68页
第4章 基于随机排序的多指标超多目标演化算法第68-90页
    4.1 随机排序算法第69-71页
        4.1.1 概观第69-70页
        4.1.2 多个指标第70页
        4.1.3 基于随机排序的环境选择第70-71页
        4.1.4 计算复杂度分析第71页
    4.2 带有档案的随机排序算法第71-75页
    4.3 实验设置第75-78页
        4.3.1 测试问题第75页
        4.3.2 性能指标第75-77页
        4.3.3 当前最优的算法第77页
        4.3.4 参数设置第77-78页
    4.4 结果与讨论第78-89页
        4.4.1 评估算子的偏向性第78-79页
        4.4.2 档案的有效性第79页
        4.4.3 与当前最优算法的比较第79-89页
    4.5 本章小结第89-90页
第5章 基于超多目标搜索的推荐系统第90-100页
    5.1 推荐系统的多目标建模第91-95页
        5.1.1 推荐系统的性能度量第91-92页
        5.1.2 基于超多目标搜索的推荐系统第92-95页
    5.2 基于超多目标演化算法的推荐系统第95-96页
        5.2.1 随机排序超多目标演化算法第95页
        5.2.2 解的表示第95-96页
        5.2.3 解的变化第96页
    5.3 实验研究第96-98页
        5.3.1 数据集第96页
        5.3.2 对比算法第96-97页
        5.3.3 参数设置第97页
        5.3.4 性能指标第97-98页
        5.3.5 实验结果第98页
    5.4 本章小结第98-100页
第6章 总结和展望第100-104页
    6.1 工作总结第100-103页
    6.2 未来展望第103-104页
参考文献第104-126页
致谢第126-128页
在读期间发表的学术论文与取得的研究成果第128页

论文共128页,点击 下载论文
上一篇:针对含有概念漂移问题的增量学习算法研究
下一篇:基于自动分治的智能优化方法及其应用研究