改进微粒群算法在多目标优化问题中的应用
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·计算智能 | 第10-14页 |
| ·进化计算 | 第11-12页 |
| ·群体智能 | 第12-13页 |
| ·微粒群算法 | 第13-14页 |
| ·多目标优化 | 第14-15页 |
| ·研究意义 | 第15-16页 |
| ·本文的内容和主要工作 | 第16-18页 |
| 第二章 微粒群算法和多目标优化的理论基础 | 第18-30页 |
| ·微粒群优化（PSO） | 第18-21页 |
| ·基本微粒群算法 | 第18-19页 |
| ·微粒群算法的社会行为分析 | 第19-20页 |
| ·微粒群算法的发展 | 第20-21页 |
| ·多目标优化 | 第21-23页 |
| ·多目标优化的基本概念 | 第21-22页 |
| ·古典的多目标优化方法 | 第22-23页 |
| ·多目标进化算法的关键理论 | 第23-30页 |
| ·Pareto 最优解集的构造 | 第23-24页 |
| ·Deb 的非支配排序方法 | 第23页 |
| ·庄家构造法 | 第23-24页 |
| ·擂台赛构造法 | 第24页 |
| ·进化群体的分布性 | 第24-27页 |
| ·小生境技术 | 第25-26页 |
| ·信息熵 | 第26-27页 |
| ·几种常见的多目标进化算法 | 第27-30页 |
| ·向量评估遗传算法（VEGA） | 第27页 |
| ·小生境Pareto 遗传算法（NPGA） | 第27-28页 |
| ·强度Pareto 进化算法（SPEA） | 第28-29页 |
| ·Pareto 包络选择算法（PESA） | 第29-30页 |
| 第三章 CAUCHY 微粒群优化 | 第30-39页 |
| ·FUZZY PSO(FPSO) | 第30-34页 |
| ·Fuzzy PSO 的基本思想 | 第30-31页 |
| ·算法描述 | 第31-32页 |
| ·仿真试验分析 | 第32-34页 |
| ·FPSO 与PSO 和GA 的对比实验 | 第32-34页 |
| ·FPSO 与蚁群优化（ACO）的对比实验 | 第34页 |
| ·CAUCHY 微粒群优化 | 第34-38页 |
| ·动态概率变异 | 第35-36页 |
| ·仿真试验分析 | 第36-38页 |
| ·基准函数 | 第36-37页 |
| ·试验分析 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第四章 一种多微粒群协同进化模型 | 第39-48页 |
| ·协同进化 | 第39-42页 |
| ·常见的协同进化算法 | 第40-42页 |
| ·竞争型协同进化 | 第41-42页 |
| ·合作型协同进化 | 第42页 |
| ·遗传算法 | 第42-43页 |
| ·多微粒群协同进化算法（MPSO） | 第43-45页 |
| ·仿真试验分析 | 第45-47页 |
| ·基于计算智能的多群协同进化模型 | 第47-48页 |
| 第五章 微粒群算法在MOKP 中的应用 | 第48-57页 |
| ·多目标0/1 背包问题 | 第48-49页 |
| ·PARETO 解集的构造 | 第49-52页 |
| ·PARETO 解集的分布性 | 第52-53页 |
| ·算法描述 | 第53-54页 |
| ·实验分析 | 第54-57页 |
| 第六章 结束语 | 第57-59页 |
| ·本文的工作 | 第57-58页 |
| ·进一步的研究方向 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第64-65页 |
| 致谢 | 第65页 |
