| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 课题背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 本论文的主要工作及内容安排 | 第17-19页 |
| 第二章 基于相关性选择的高维多目标分解进化算法 | 第19-39页 |
| 2.1 引言 | 第19-20页 |
| 2.2 相关理论背景 | 第20-23页 |
| 2.3 基于相关性选择的高维多目标进化分解算法 | 第23-29页 |
| 2.3.1 个体和参考点之间的相关性 | 第23-25页 |
| 2.3.2 基于相关性的变异选择 | 第25-26页 |
| 2.3.3 基于相关性的环境选择 | 第26-28页 |
| 2.3.4 DCSM算法的整体流程 | 第28-29页 |
| 2.4 实验结果与分析 | 第29-37页 |
| 2.4.1 标准多目标优化测试函数 | 第29页 |
| 2.4.2 实验设置 | 第29-31页 |
| 2.4.3 评价指标 | 第31-32页 |
| 2.4.4 实验结果的讨论 | 第32-37页 |
| 2.5 本章小结 | 第37-39页 |
| 第三章 基于区域划分的高维多目标分解进化算法 | 第39-63页 |
| 3.1 引言 | 第39-40页 |
| 3.2 相关理论背景 | 第40-41页 |
| 3.3 基于区域划分的高维多目标分解进化算法 | 第41-50页 |
| 3.3.1 参考点的生成方法 | 第41-42页 |
| 3.3.2 RD-EMO算法的启发点 | 第42-43页 |
| 3.3.3 区域划分的方法和区域的两个属性的定义 | 第43-44页 |
| 3.3.4 基于区域属性的选择机制 | 第44-46页 |
| 3.3.5 基于区域度的种群更新方法 | 第46-48页 |
| 3.3.6 RD-EMO算法的整体流程 | 第48-50页 |
| 3.3.7 RD-EMO算法的计算复杂度 | 第50页 |
| 3.4 实验结果与分析 | 第50-60页 |
| 3.4.1 实验设置 | 第50-51页 |
| 3.4.2 性能指标 | 第51页 |
| 3.4.3 实验结果的讨论 | 第51-59页 |
| 3.4.4 RD-EMO算法与DCSM算法的对比结果 | 第59-60页 |
| 3.5 本章小结 | 第60-63页 |
| 第四章 用于背包问题的高维多目标优化算法 | 第63-75页 |
| 4.1 引言 | 第63-64页 |
| 4.2 背包问题的数学模型 | 第64页 |
| 4.3 RD-EMO算法在背包问题上的应用 | 第64-67页 |
| 4.3.1 权重向量 | 第65-66页 |
| 4.3.2 标量函数 | 第66页 |
| 4.3.3 基于区域的变异选择策略 | 第66-67页 |
| 4.3.4 遗传算子 | 第67页 |
| 4.3.5 限制条件的处理——贪婪修复 | 第67页 |
| 4.4 实验结果与分析 | 第67-74页 |
| 4.4.1 实验设置 | 第67-68页 |
| 4.4.2 性能指标 | 第68页 |
| 4.4.3 实验结果与分析 | 第68-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 论文总结 | 第75-76页 |
| 5.2 研究展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 作者简介 | 第85-86页 |