| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外的研究现状 | 第10-13页 |
| 1.2.1 遗传算法的研究现状 | 第10-11页 |
| 1.2.2 区间多目标优化的研究现状 | 第11-13页 |
| 1.2.3 云模型的研究现状 | 第13页 |
| 1.3 数据挖掘在多目标优化上的应用 | 第13-15页 |
| 1.4 课题的研究内容 | 第15-16页 |
| 第2章 区间多目标优化问题概述 | 第16-26页 |
| 2.1 带约束区间多目标优化问题 | 第16-18页 |
| 2.2 Pareto支配性关系 | 第18-22页 |
| 2.3 区间拥挤距离 | 第22页 |
| 2.4 约束条件的处理 | 第22-23页 |
| 2.5 NSGA-II算法 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 区间多目标优化非支配排序云模型算法 | 第26-40页 |
| 3.1 云模型基本概念 | 第26-27页 |
| 3.2 云模型的数字特征 | 第27-30页 |
| 3.3 非支配排序云模型算法 | 第30-34页 |
| 3.4 算法测度 | 第34-35页 |
| 3.5 仿真分析 | 第35-39页 |
| 3.5.1 算法参数分析 | 第35-36页 |
| 3.5.2 云模型参数分析 | 第36-37页 |
| 3.5.3 不同算法之间的比较 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 融合高斯建模和近邻法的区间多目标支配性预测 | 第40-56页 |
| 4.1 通过高斯过程求解可能度 | 第40-45页 |
| 4.1.2 通过高斯过程构建代理模型 | 第40-43页 |
| 4.1.3 通过高斯代理模型求解可能度概率 | 第43-45页 |
| 4.2 通过近邻法求解可能度 | 第45-46页 |
| 4.3 通过渐消记忆策略进行支配性预测 | 第46-47页 |
| 4.4 算法步骤 | 第47-48页 |
| 4.5 仿真分析 | 第48-54页 |
| 4.5.1 预测准确率 | 第49-51页 |
| 4.5.2 渐消因子对算法的影响 | 第51-52页 |
| 4.5.3 不同算法之间的比较 | 第52-54页 |
| 4.6 本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
| 致谢 | 第63页 |