首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

兼顾收敛性与多样性的多目标进化算法研究

摘要第5-7页
Abstract第7-9页
第1章 引言第14-22页
    1.1 研究背景第14-17页
        1.1.1 多目标优化问题第14-15页
        1.1.2 多目标进化算法第15-17页
    1.2 研究问题第17-19页
    1.3 研究内容第19-20页
    1.4 论文组织结构第20-22页
第2章 多目标进化算法相关研究第22-34页
    2.1 多目标进化算法第22-24页
        2.1.1 基于分解技术的多目标进化算法第22-23页
        2.1.2 基于优先权的多目标进化算法第23-24页
        2.1.3 基于指标的多目标进化算法第24页
        2.1.4 混合型多目标进化算法第24页
    2.2 超多目标进化算法第24-32页
        2.2.1 基于分解技术的超多目标进化算法第25-27页
        2.2.2 基于支配理论的超多目标进化算法第27-30页
        2.2.3 基于降维技术的超多目标进化算法第30-31页
        2.2.4 基于指标的超多目标进化算法第31-32页
    2.3 本章小结第32-34页
第3章 面向搜索空间多样性的多目标进化算法第34-54页
    3.1 搜索空间多样性第35-37页
        3.1.1 搜索空间多样性第35-36页
        3.1.2 搜索空间密度第36-37页
    3.2 面向搜索空间多样性的多目标进化算法第37-45页
        3.2.1 SSD-MOEA设计思想第37页
        3.2.2 SSD-MOEA算法结构第37-38页
        3.2.3 初始化操作第38-39页
        3.2.4 基于搜索空间多样性的配对选择操作第39-41页
        3.2.5 探索式繁殖操作第41-43页
        3.2.6 基于搜索空间多样性的个体选择操作第43-44页
        3.2.7 SSD-MOEA复杂度分析第44-45页
    3.3 实验分析第45-52页
        3.3.1 对比算法与测试问题第45页
        3.3.2 评价指标和参数设置第45-48页
        3.3.3 IGD值比较第48-50页
        3.3.4 非参数检验第50-52页
    3.4 本章小结第52-54页
第4章 面向双空间多样性的多目标进化算法第54-72页
    4.1 双空间多样性第54-56页
        4.1.1 搜索空间多样性和目标空间多样性第54-55页
        4.1.2 快速分区和双空间密度第55-56页
    4.2 面向双空间多样性的多目标进化算法第56-63页
        4.2.1 TSD-MOEA设计思想第56-57页
        4.2.2 TSD-MOEA算法结构第57-58页
        4.2.3 初始化操作第58-59页
        4.2.4 基于双空间密度的配对选择操作第59-61页
        4.2.5 变异操作第61页
        4.2.6 基于双空间密度的选择操作第61-62页
        4.2.7 TSD-MOEA复杂度分析第62-63页
    4.3 实验分析第63-70页
        4.3.1 对比算法与测试问题第63页
        4.3.2 评价指标和参数设置第63-66页
        4.3.3 IGD值比较第66-70页
        4.3.4 非参数检验第70页
    4.4 小结第70-72页
第5章 基于维度收敛性的超多目标进化算法第72-96页
    5.1 维度收敛性和基于参考点的目标空间多样性第73-75页
        5.1.1 维度收敛性第73-74页
        5.1.2 基于参考点的目标空间多样性第74-75页
    5.2 基于维度收敛性的超多目标进化算法第75-83页
        5.2.1 DC-MaOEA设计思想第75页
        5.2.2 DC-MaOEA算法结构第75-77页
        5.2.3 初始化操作第77页
        5.2.4 基于维度收敛性的配对选择操作第77-79页
        5.2.5 变异操作第79页
        5.2.6 基于维度收敛性的个体选择操作第79-80页
        5.2.7 基于维度收敛性和参考点多样性的个体选择操作第80-81页
        5.2.8 DC-MaOEA复杂度分析第81-83页
    5.3 实验分析第83-86页
        5.3.1 对比算法与测试问题第83-85页
        5.3.2 评价指标和参数设置第85页
        5.3.3 IGD值比较第85-86页
        5.3.4 非参数检验第86页
    5.4 本章小结第86-96页
第6章 基于综合评价的约束多目标进化算法第96-116页
    6.1 约束支配关系和综合评价第97-98页
        6.1.1 约束支配关系第97-98页
        6.1.2 综合评价标准第98页
    6.2 基于综合评价的约束超多目标进化算法第98-105页
        6.2.1 CEC-MaOEA设计思想第99页
        6.2.2 CEC-MaOEA算法结构第99-100页
        6.2.3 初始化操作第100-101页
        6.2.4 基于综合评价的配对选择操作第101-102页
        6.2.5 变异操作第102-103页
        6.2.6 基于综合评价的个体选择操作第103-105页
        6.2.7 CEC-MaOEA复杂度分析第105页
    6.3 实验分析第105-113页
        6.3.1 对比算法与测试问题第105-107页
        6.3.2 评价指标和参数设置第107-108页
        6.3.3 IGD值比较第108-112页
        6.3.4 非参数检验第112-113页
    6.4 本章小结第113-116页
第7章 结论与展望第116-120页
    7.1 论文工作总结第116-117页
    7.2 未来研究展望第117-120页
参考文献第120-131页

论文共131页,点击 下载论文
上一篇:几种低维自旋电子学材料的电子结构和磁性的密度泛函理论研究
下一篇:清代荷包艺术及设计应用研究