| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 多目标进化算法研究现状概述 | 第11-14页 |
| 1.3 外部归档集维护策略研究现状概述 | 第14-16页 |
| 1.4 研究内容与组织结构 | 第16-18页 |
| 第二章 多目标进化算法的基础知识 | 第18-36页 |
| 2.1 基本概念 | 第18-20页 |
| 2.1.1 多目标优化问题 | 第18-19页 |
| 2.1.2 多目标进化算法原理简介 | 第19-20页 |
| 2.2 相关经典算法介绍 | 第20-30页 |
| 2.2.1 MOPSO算法 | 第20-24页 |
| 2.2.2 NSGA-Ⅱ算法 | 第24-27页 |
| 2.2.3 NSGA-Ⅲ算法 | 第27-30页 |
| 2.3 多目标优化测试函数 | 第30-33页 |
| 2.4 性能指标 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 低维多目标进化算法中归档集维护策略的研究 | 第36-51页 |
| 3.1 多目标粒子群优化算法中搜索平衡的重要性分析 | 第36-37页 |
| 3.2 基于平衡搜索思想的新型归档集维护策略(平衡搜索策略) | 第37-42页 |
| 3.2.1 平衡搜索子策略一:归档集自挖掘策略 | 第37-40页 |
| 3.2.2 平衡搜索子策略二:边界最优个体引导搜索策略 | 第40-42页 |
| 3.3 基于平衡搜索策略的多目标粒子群优化算法流程 | 第42-44页 |
| 3.4 实验结果及分析 | 第44-50页 |
| 3.4.1 多目标标准测试函数 | 第44页 |
| 3.4.2 对比算法及实验参数 | 第44-45页 |
| 3.4.3 性能评估指标 | 第45页 |
| 3.4.4 实验结果及比较分析 | 第45-49页 |
| 3.4.5 实验总结 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 高维多目标进化算法中归档集维护策略的研究 | 第51-71页 |
| 4.1 高维多目标进化算法归档集维护难点分析 | 第51-53页 |
| 4.2 基于目标降维思想的新型归档集维护策略 | 第53-58页 |
| 4.3 DRS-PCCS策略在高维多目标进化算法中的应用 | 第58-61页 |
| 4.4 实验结果及分析 | 第61-70页 |
| 4.4.1 高维多目标优化测试函数 | 第61页 |
| 4.4.2 对比算法及实验参数 | 第61-62页 |
| 4.4.3 性能评估指标 | 第62-63页 |
| 4.4.4 实验结果及比较分析 | 第63-69页 |
| 4.4.5 实验总结 | 第69-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-74页 |
| 5.1 总结 | 第71-72页 |
| 5.2 下一步工作与展望 | 第72-74页 |
| 参考文献 | 第74-81页 |
| 致谢 | 第81-82页 |
| 作者简介 | 第82-83页 |
