| 中文摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| 第一节 研究背景与意义 | 第9-11页 |
| 第二节 多目标优化算法的研究现状 | 第11-15页 |
| 第三节 论文主要内容和结构安排 | 第15-17页 |
| 第二章 多目标粒子群优化算法的基本理论 | 第17-27页 |
| 第一节 多目标优化问题基本概念 | 第17-18页 |
| 第二节 粒子群优化算法的基本理论 | 第18-21页 |
| 2.1 单目标粒子群优化算法 | 第18-20页 |
| 2.2 多目标粒子群优化算法 | 第20-21页 |
| 2.2.1 与单目标粒子群优化算法异同点 | 第20页 |
| 2.2.2 个体最优值和全局最优值选取策略 | 第20-21页 |
| 第三节 多目标粒子群优化算法的测试函数 | 第21-25页 |
| 第四节 多目标优化算法的性能度量指标 | 第25-26页 |
| 第五节 本章小结 | 第26-27页 |
| 第三章 混合分解的多目标粒子群优化算法 | 第27-43页 |
| 第一节 引言 | 第27页 |
| 第二节 算法描述 | 第27-32页 |
| 2.1 切比雪夫分解方法 | 第27-28页 |
| 2.2 算法三大策略 | 第28-30页 |
| 2.2.1 全局最优值更新策略 | 第28-29页 |
| 2.2.2 速度限制策略 | 第29-30页 |
| 2.2.3 精英解集保留策略 | 第30页 |
| 2.3 算法描述及流程 | 第30-32页 |
| 第三节 实验以及结果分析 | 第32-41页 |
| 3.1 测试函数 | 第32页 |
| 3.2 性能评价指标 | 第32页 |
| 3.3 实验参数设置 | 第32页 |
| 3.4 实验结果与分析 | 第32-41页 |
| 3.4.1 指标统计结果及分析 | 第32-34页 |
| 3.4.2 算法稳定性分析 | 第34-36页 |
| 3.4.3 算法所得Pareto前端仿真结果 | 第36-41页 |
| 第四节 本章小结 | 第41-43页 |
| 第四章 一种均匀高效的基于分解的多目标粒子群优化算法 | 第43-61页 |
| 第一节 引言 | 第43页 |
| 第二节 算法描述 | 第43-48页 |
| 2.1 PBI分解方法 | 第43-45页 |
| 2.2 算法框架及流程 | 第45-48页 |
| 2.3 算法优势 | 第48页 |
| 第三节 算法性能测试与分析 | 第48-58页 |
| 3.1 测试函数 | 第48-49页 |
| 3.2 实验参数设置 | 第49页 |
| 3.3 测试指标 | 第49页 |
| 3.4 实验结果与分析 | 第49-58页 |
| 3.4.1 种群数量对算法指标影响 | 第50-53页 |
| 3.4.2 GD和Spread指标分析 | 第53-54页 |
| 3.4.3 算法稳定性分析 | 第54-56页 |
| 3.4.4 算法所得Pareto前端仿真结果 | 第56-58页 |
| 第四节 本章小结 | 第58-61页 |
| 第五章 结论 | 第61-63页 |
| 第一节 论文主要工作与创新性 | 第61-62页 |
| 第二节 今后研究工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间承担的科研任务与主要成果 | 第67-69页 |
| 致谢 | 第69-71页 |
| 个人简历 | 第71-73页 |