| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究工作和论文框架 | 第15-17页 |
| 1.3.1 研究工作 | 第15页 |
| 1.3.2 论文框架 | 第15-17页 |
| 第二章 多目标粒子群优化算法 | 第17-26页 |
| 2.1 多目标优化问题 | 第17-18页 |
| 2.2 多目标进化算法的分类 | 第18-20页 |
| 2.2.1 基于偏好的优化方法 | 第18-20页 |
| 2.2.2 基于产生式的方法 | 第20页 |
| 2.3 粒子群优化算法 | 第20-24页 |
| 2.3.1 基本粒子群优化算法 | 第20-22页 |
| 2.3.2 多目标粒子群优化算法 | 第22页 |
| 2.3.3 粒子群优化算法与其他进化算法的比较 | 第22-24页 |
| 2.4 多目标粒子群优化算法的评价指标 | 第24-26页 |
| 2.4.1 收敛性指标 | 第24-25页 |
| 2.4.2 多样性指标 | 第25-26页 |
| 第三章 子群分层的粗粒度粒子群优化模型 | 第26-36页 |
| 3.1 粒子群优化算法的并行特性 | 第26-28页 |
| 3.2 粒子群优化算法中的个体分类 | 第28-29页 |
| 3.3 子群分层的粗粒度粒子群优化算法改进模型分析 | 第29-31页 |
| 3.3.1 普通子群的更新策略 | 第29-30页 |
| 3.3.2 自适应子群的更新策略 | 第30页 |
| 3.3.3 精英子群的更新策略 | 第30-31页 |
| 3.4 基于子群分层的粗粒度粒子群优化算法流程 | 第31-32页 |
| 3.5 仿真实验分析 | 第32-35页 |
| 3.5.1 算法的收敛精度评价 | 第33页 |
| 3.5.2 算法的收敛速度和可靠性 | 第33-34页 |
| 3.5.3 算法的多样性分析 | 第34-35页 |
| 3.6 本章总结 | 第35-36页 |
| 第四章 基于动态调整的多目标粒子群优化算法 | 第36-48页 |
| 4.1 算法的进化状态评估检测 | 第36-38页 |
| 4.2 基于动态调整的多目标粒子群优化算法改进策略 | 第38-41页 |
| 4.2.1 全局最优解的选取策略 | 第38-40页 |
| 4.2.2 个体最优解的选择策略 | 第40-41页 |
| 4.2.3 局部极值扰动策略 | 第41页 |
| 4.3 基于动态调整的多目标粒子群优化算法具体流程 | 第41-47页 |
| 4.3.1 算法的收敛性分析 | 第44-45页 |
| 4.3.2 算法的多样性分析 | 第45-46页 |
| 4.3.3 算法的综合分析 | 第46-47页 |
| 4.4 本章总结 | 第47-48页 |
| 第五章 基于子群分层粗粒度模型的daMOPSO算法在Web服务组合中的应用 | 第48-55页 |
| 5.1 Web服务相关知识及其组合模型 | 第48-50页 |
| 5.2 Web服务组合的多目标优化模型 | 第50页 |
| 5.2.1 问题描述 | 第50页 |
| 5.2.2 优化目标和约束条件的确定 | 第50页 |
| 5.3 基于子群分层粗粒度模型的daMOPSO算法设计 | 第50-51页 |
| 5.4 编码方式 | 第51页 |
| 5.5 实验 | 第51-54页 |
| 5.5.1 实验设计 | 第51-52页 |
| 5.5.2 有效性分析 | 第52页 |
| 5.5.3 优劣性分析 | 第52-54页 |
| 5.6 本章总结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 主要工作总结 | 第55页 |
| 工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间取得的学术成果 | 第61-62页 |
| 致谢 | 第62页 |
