基于擂台赛法则和小生境技术的进化多目标优化算法的研究及应用
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 插图或附表清单 | 第14-15页 |
| 1 绪论 | 第15-19页 |
| ·多目标最优化算法 | 第15-16页 |
| ·进化算法 | 第16页 |
| ·进化算法的研究现状 | 第16-17页 |
| ·论文的研究意义和主要内容 | 第17-19页 |
| ·论文的研究意义 | 第17-18页 |
| ·论文的主要内容 | 第18-19页 |
| 2 多目标进化算法 | 第19-31页 |
| ·多目标优化问题的数学模型 | 第19页 |
| ·多目标优化的基本概念 | 第19-20页 |
| ·求解多目标优化问题的进化算法 | 第20-31页 |
| ·schaffer和Fonseca等的工作 | 第21页 |
| ·NSGA-Ⅱ | 第21-22页 |
| ·NPGA | 第22-23页 |
| ·SPEA2 | 第23-24页 |
| ·SPEA | 第23页 |
| ·SPEA2 | 第23-24页 |
| ·PESA | 第24页 |
| ·PAES | 第24-25页 |
| ·MGAMOO | 第25-26页 |
| ·MOMGA | 第26-29页 |
| ·messy GA | 第26-27页 |
| ·Multi-objective mGA | 第27-28页 |
| ·MOMGA-2 | 第28-29页 |
| ·基于密度的多目标进化算法 | 第29页 |
| ·mBOA | 第29-31页 |
| 3 遗传算法的数学原理和算法实现 | 第31-43页 |
| ·遗传算法的数学理论 | 第31-35页 |
| ·基本术语 | 第31页 |
| ·模式 | 第31-32页 |
| ·模式定理 | 第32-34页 |
| ·积木块假设 | 第34页 |
| ·隐含并行性 | 第34-35页 |
| ·基本算法 | 第35-37页 |
| ·基本遗传算法的构成要素 | 第36-37页 |
| ·个体适应度评价 | 第37页 |
| ·基本遗传算法的遗传算子 | 第37-41页 |
| ·选择算子 | 第37-38页 |
| ·交叉算子 | 第38-39页 |
| ·变异算子 | 第39-40页 |
| ·基本遗传算法的运行参数 | 第40-41页 |
| ·遗传算法的特点 | 第41-42页 |
| ·基本遗传算法的运算过程 | 第42-43页 |
| 4 基于擂台赛法则和小生境技术的多目标进化算法 | 第43-51页 |
| ·引言 | 第43页 |
| ·多目标进化算法 | 第43-44页 |
| ·用擂台赛法则构造最优集 | 第44-45页 |
| ·算法的环境选择 | 第45-48页 |
| ·小生境与遗传算法 | 第46-47页 |
| ·基于共享机制的小生境技术 | 第47-48页 |
| ·实验 | 第48-50页 |
| ·测试函数及参数设置 | 第48页 |
| ·实验结果 | 第48-50页 |
| ·算法运行的CPU时间比较 | 第48-49页 |
| ·Pareto最优集分布比较 | 第49-50页 |
| ·结论 | 第50-51页 |
| 5 多目标进化算法在运输问题中的应用 | 第51-58页 |
| ·引言 | 第51页 |
| ·运输问题 | 第51-55页 |
| ·线性运输问题 | 第52-53页 |
| ·准则线性运输问题 | 第53-54页 |
| ·双准则三维运输问题 | 第54-55页 |
| ·例子 | 第55-57页 |
| ·结论 | 第57-58页 |
| 总结 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 作者简介及读研期间发表的论文 | 第63页 |
