| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 多目标优化问题 | 第13-15页 |
| 1.3 进化算法和进化算子 | 第15-16页 |
| 1.4 多目标进化算法研究进展 | 第16-20页 |
| 1.4.1 经典算法 | 第16-19页 |
| 1.4.2 优化算法新方向 | 第19-20页 |
| 1.5 多目标优化算法在金属轧制中的应用 | 第20-21页 |
| 1.6 本文的主要研究内容和组织结构 | 第21-24页 |
| 第2章 多目标进化算法的进化算子与选解机制 | 第24-40页 |
| 2.1 引言 | 第24页 |
| 2.2 典型的进化算子 | 第24-29页 |
| 2.2.1 遗传算法 | 第24-25页 |
| 2.2.2 差分进化算法 | 第25-27页 |
| 2.2.3 粒子群算法 | 第27-28页 |
| 2.2.4 其他典型算法 | 第28-29页 |
| 2.3 典型的选解机制 | 第29-32页 |
| 2.3.1 基于非支配排序的选解机制 | 第29-30页 |
| 2.3.2 基于目标分解的选解机制 | 第30-31页 |
| 2.3.3 基于性能指标的选解机制 | 第31页 |
| 2.3.4 不同选解机制的分析 | 第31-32页 |
| 2.4 多目标进化算法基本问题 | 第32-39页 |
| 2.4.1 测试函数 | 第32-33页 |
| 2.4.2 评价指标 | 第33-36页 |
| 2.4.3 多目标优化问题的困难度分析 | 第36-37页 |
| 2.4.4 进化算法基本理论 | 第37-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第3章 混合非支配关系与目标分解的多目标粒子群算法 | 第40-54页 |
| 3.1 引言 | 第40页 |
| 3.2 多目标粒子群算法的优化设计 | 第40-43页 |
| 3.2.1 选解机制混合 | 第40-41页 |
| 3.2.2 多目标粒子群优化算法 | 第41-42页 |
| 3.2.3 粒子群算法局部最优和全局最优更新策略 | 第42-43页 |
| 3.3 混合非支配关系与目标分解的多目标粒子群算法 | 第43-44页 |
| 3.4 数值仿真与结果分析 | 第44-53页 |
| 3.4.1 测试函数 | 第44-45页 |
| 3.4.2 DDMOPSO算法和对比算法的参数设置 | 第45-46页 |
| 3.4.3 仿真结果数值分析 | 第46-48页 |
| 3.4.4 仿真结果图分析 | 第48-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第4章 基于环境历史信息的多目标进化算法 | 第54-76页 |
| 4.1 引言 | 第54页 |
| 4.2 多目标进化过程的信息 | 第54-57页 |
| 4.2.1 进化过程中的环境信息 | 第54-55页 |
| 4.2.2 进化过程中的历史信息 | 第55页 |
| 4.2.3 基因型与表现型 | 第55-57页 |
| 4.3 基于环境信息和历史信息的多目标进化算法MOEA-EHI | 第57-64页 |
| 4.3.1 模拟前沿生成及个体选择机制 | 第57-60页 |
| 4.3.2 基于历史信息的自适应进化算子操作 | 第60-62页 |
| 4.3.3 冗余个体删除机制 | 第62-63页 |
| 4.3.4 MOEA-EHI算法步骤 | 第63-64页 |
| 4.4 数值仿真与结果分析 | 第64-75页 |
| 4.4.1 MOEA-EHI算法和对比算法的参数设置 | 第64页 |
| 4.4.2 仿真结果数值分析 | 第64-67页 |
| 4.4.3 仿真结果图分析 | 第67-73页 |
| 4.4.4 仿真结果参数分析 | 第73-75页 |
| 4.5 本章小结 | 第75-76页 |
| 第5章 基于自适应参考向量的超多目标优化算法 | 第76-97页 |
| 5.1 引言 | 第76页 |
| 5.2 超多目标优化问题的分析 | 第76-81页 |
| 5.2.1 超多目标优化的难点 | 第76-77页 |
| 5.2.2 解决超多目标优化问题的方法 | 第77-80页 |
| 5.2.3 超多目标优化问题的图示方法 | 第80-81页 |
| 5.3 基于改进参考向量的高维多目标个体保留策略 | 第81-86页 |
| 5.3.1 参考向量的确定 | 第81-82页 |
| 5.3.2 精英解集及多样性保留策略 | 第82-84页 |
| 5.3.3 基于模型的个体生成策略 | 第84-86页 |
| 5.4 基于参考向量的超多目标优化算法 | 第86-88页 |
| 5.5 数值仿真及结果分析 | 第88-96页 |
| 5.5.1 仿真设置 | 第88页 |
| 5.5.2 仿真结果数值分析 | 第88-91页 |
| 5.5.3 仿真结果图分析 | 第91-96页 |
| 5.6 本章小结 | 第96-97页 |
| 第6章 多目标优化算法在铝热连轧负荷分配中的应用 | 第97-116页 |
| 6.1 引言 | 第97页 |
| 6.2 轧制过程设备及数学模型 | 第97-101页 |
| 6.2.1 轧制设备主要参数 | 第97-98页 |
| 6.2.2 轧制变形区工艺参数 | 第98-99页 |
| 6.2.3 轧制过程数学模型简介 | 第99-101页 |
| 6.3 基于数据分类的神经网络的轧制力预报 | 第101-105页 |
| 6.3.1 基于神经网络的轧制力预报 | 第102-104页 |
| 6.3.2 仿真实验 | 第104-105页 |
| 6.4 轧制负荷分配优化方法 | 第105-111页 |
| 6.4.1 轧制负荷优化方法简介 | 第105-107页 |
| 6.4.2 现有轧制负荷分配优化方法存在的问题 | 第107-108页 |
| 6.4.3 目标函数及约束条件的确定 | 第108-111页 |
| 6.5 多目标进化算法在负荷分配中的应用研究 | 第111-114页 |
| 6.5.1 多目标轧制负荷分配方案 | 第111-113页 |
| 6.5.2 数据分析 | 第113-114页 |
| 6.6 本章小结 | 第114-116页 |
| 结论 | 第116-118页 |
| 参考文献 | 第118-126页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第126-128页 |
| 致谢 | 第128页 |
