| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 引言 | 第13-14页 |
| 第一章 绪论 | 第14-17页 |
| ·多目标优化问题的发展简史 | 第14页 |
| ·多目标优化问题研究意义 | 第14-15页 |
| ·多目标优化问题的研究方向 | 第15页 |
| ·多目标优化方法 | 第15-16页 |
| ·论文的主要研究内容 | 第16-17页 |
| 第二章 多目标优化遗传算法 | 第17-27页 |
| ·多目标优化问题的数学模型 | 第17-18页 |
| ·多目标优化的基本概念 | 第18-20页 |
| ·多目标优化与遗传算法 | 第20-21页 |
| ·多目标优化遗传算法的主要任务 | 第21页 |
| ·求解多目标优化问题的遗传算法 | 第21-24页 |
| ·权重系数变化法 | 第21-22页 |
| ·Schaffer的向量评估多目标优化遗传算法 | 第22页 |
| ·Fonseca和Fleming的多目标优化遗传算法 | 第22-23页 |
| ·Horn和Nafpliotis的基于小生境Pareto遗传算法 | 第23页 |
| ·Srinivas和Deb的非支配排序遗传算法 | 第23-24页 |
| ·Zitzler和Thiele的基于Elitist的多目标演化算法 | 第24页 |
| ·多目标优化遗传算法中有待解决的问题 | 第24-27页 |
| ·最优保存策略问题 | 第24-25页 |
| ·群体多样性问题 | 第25页 |
| ·决策偏好问题 | 第25-27页 |
| 第三章 遗传算法的数学理论及其基本实现技术 | 第27-43页 |
| ·遗传算法的数学理论 | 第27-35页 |
| ·模式 | 第27-28页 |
| ·模式定理 | 第28-30页 |
| ·积木块假设 | 第30-31页 |
| ·遗传算法的收敛性分析 | 第31-32页 |
| ·隐含并行性原理 | 第32-34页 |
| ·适应度函数的自相关分析 | 第34-35页 |
| ·基本遗传算法的构成要素 | 第35-37页 |
| ·染色体编码方法 | 第35-36页 |
| ·个体适应度评价 | 第36页 |
| ·遗传算子 | 第36页 |
| ·基本遗传算法的运行参数 | 第36-37页 |
| ·基本遗传算法的遗传算子 | 第37-41页 |
| ·选择算子 | 第37-38页 |
| ·交叉算子 | 第38-39页 |
| ·变异算子 | 第39-41页 |
| ·基本遗传算法的运算过程 | 第41页 |
| ·遗传算法的特点与优点 | 第41-43页 |
| 第四章 聚类分析 | 第43-47页 |
| ·相似度的度量 | 第43-44页 |
| ·聚类分析的主要方法 | 第44-45页 |
| ·划分法 | 第44页 |
| ·层次法 | 第44页 |
| ·基于密度方法 | 第44-45页 |
| ·基于网格方法 | 第45页 |
| ·基于模型方法 | 第45页 |
| ·k-均值聚类分析法 | 第45-47页 |
| 第五章 基于Pareto最优解数据仓库的多目标优化遗传算法 | 第47-55页 |
| ·遗传算法的性能评估 | 第47页 |
| ·采用 Pareto最优解数据仓库重要性和必要性 | 第47-49页 |
| ·选择算子的改进 | 第49页 |
| ·算法的实现过程 | 第49-50页 |
| ·试验分析 | 第50-53页 |
| ·数据分析 | 第53-54页 |
| ·本章小节 | 第54-55页 |
| 第六章 基于群体分类的复杂约束条件多目标优化遗传算法 | 第55-63页 |
| ·复杂约束条件的处理 | 第55-56页 |
| ·利用K-均值聚类分析实现群体的多样性 | 第56-57页 |
| ·基于群体分类的复杂约束条件多目标优化遗传算法 | 第57-59页 |
| ·群体的划分 | 第57-58页 |
| ·群体R适应度 | 第58-59页 |
| ·算法的实现过程 | 第59页 |
| ·试验分析 | 第59-62页 |
| ·本章小节 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 作者简介及读研期间主要科研成果 | 第69页 |
