| 摘要 | 第1-12页 |
| Abstract | 第12-16页 |
| 第1章 绪论 | 第16-24页 |
| ·研究背景 | 第16-17页 |
| ·最优化方法的研究起源和意义 | 第16页 |
| ·最优化问题的数学描述 | 第16-17页 |
| ·求解最优化问题的传统方法 | 第17-18页 |
| ·求解最优化问题的进化方法 | 第18-21页 |
| ·论文研究内容及组织 | 第21-24页 |
| ·研究内容 | 第21-22页 |
| ·论文创新点 | 第22页 |
| ·论文组织 | 第22-24页 |
| 第2章 进化算法研究现状 | 第24-44页 |
| ·遗传算法 | 第24-26页 |
| ·多目标进化算法 | 第26-32页 |
| ·以简单为特征的第一代MOEA | 第27-29页 |
| ·以效率为特征的第二代MOEA | 第29-32页 |
| ·微粒群算法 | 第32-37页 |
| ·标准PSO | 第33-34页 |
| ·PSO 的研究现状 | 第34-37页 |
| ·多目标微粒群优化算法 | 第37-44页 |
| ·基本多目标微粒群算法 | 第37页 |
| ·基于Pareto 占优的方法 | 第37-40页 |
| ·转换为单目标优化问题的方法 | 第40页 |
| ·分层序列法 | 第40-41页 |
| ·多种群方法 | 第41-42页 |
| ·其他方法 | 第42-43页 |
| ·研究趋势 | 第43-44页 |
| 第3章 基于混合纵向变异和细粒度学习策略的微粒群算法 | 第44-62页 |
| ·一种基于混合纵向变异和细粒度学习策略的PSO 算法 | 第44-50页 |
| ·混合纵向变异策略 | 第44-46页 |
| ·细粒度学习策略 | 第46-47页 |
| ·改进的速度更新公式 | 第47页 |
| ·算法描述 | 第47-49页 |
| ·pu 对算法性能的影响 | 第49-50页 |
| ·实验及分析 | 第50-55页 |
| ·10 维20000 次函数评价的对比实验 | 第50-52页 |
| ·30 维100000 次函数评价的对比实验 | 第52-55页 |
| ·与其它文献数据的比较与分析 | 第55页 |
| ·约束处理方法 | 第55-58页 |
| ·求解约束优化问题实验及分析 | 第58-61页 |
| ·小结 | 第61-62页 |
| 第4章 一种多样性引导的两阶段多目标微粒群算法 | 第62-79页 |
| ·多目标微粒群算法的关键技术 | 第62-66页 |
| ·多样性保持 | 第63-64页 |
| ·非劣解保存 | 第64-65页 |
| ·领导微粒选择 | 第65-66页 |
| ·一种多样性引导的两阶段多目标微粒群算法 | 第66-74页 |
| ·基于种群多样性引导的变异策略 | 第66-68页 |
| ·分阶段的领导选择策略 | 第68-69页 |
| ·适应度计算 | 第69-71页 |
| ·存档机制 | 第71-72页 |
| ·算法描述 | 第72-74页 |
| ·实验及分析 | 第74-78页 |
| ·性能评价指标 | 第74页 |
| ·实验结果及分析 | 第74-77页 |
| ·与其他文献方法的比较 | 第77-78页 |
| ·小结 | 第78-79页 |
| 第5章 一种基于合作型协同进化的快速微粒群算法 | 第79-97页 |
| ·协同进化算法分类 | 第79-81页 |
| ·合作型协同进化算法的关键技术 | 第81-84页 |
| ·算法框架 | 第81-82页 |
| ·问题分解与种群数目 | 第82-83页 |
| ·合作者选择方式 | 第83页 |
| ·适应度计算 | 第83页 |
| ·串行协同进化算法与并行协同进化算法 | 第83-84页 |
| ·一种基于合作型协同进化的快速微粒群算法 | 第84-93页 |
| ·子种群设计 | 第84-85页 |
| ·合作者选择与适应度计算 | 第85页 |
| ·速度更新公式和变异算子 | 第85-86页 |
| ·算法描述 | 第86-87页 |
| ·低维优化问题实验结果与分析 | 第87-90页 |
| ·高维优化问题实验结果与分析 | 第90-93页 |
| ·基于混合种群的协同微粒群算法 | 第93-96页 |
| ·算法结构与原理 | 第93-95页 |
| ·局部搜索算法描述 | 第95页 |
| ·实验结果与分析 | 第95-96页 |
| ·小结 | 第96-97页 |
| 第6章 基于合作型协同进化和ε-占优的多目标微粒群算法 | 第97-109页 |
| ·一种基于合作型协同和ε-占优的多目标微粒群算法 | 第97-101页 |
| ·问题分解与子种群定义 | 第97-98页 |
| ·合作者选择与函数评价 | 第98-99页 |
| ·基于ε-占优的存档方法 | 第99-101页 |
| ·微粒飞行和变异 | 第101页 |
| ·算法描述 | 第101页 |
| ·实验及分析 | 第101-107页 |
| ·性能评价指标 | 第102-103页 |
| ·实验结果分析 | 第103-107页 |
| ·方块划分函数 | 第107-108页 |
| ·小结 | 第108-109页 |
| 第7章 微粒群算法在多学科协同设计优化中的应用 | 第109-125页 |
| ·引言 | 第109-110页 |
| ·协同优化的原理及相关研究 | 第110-114页 |
| ·协同优化原理 | 第110-112页 |
| ·协同优化算法的相关研究 | 第112-114页 |
| ·基于微粒群算法的协同优化方法 | 第114-116页 |
| ·一个实例——齿轮减速器的协同优化设计 | 第116-124页 |
| ·问题描述及改进模型 | 第116-120页 |
| ·协同优化设计结果及分析 | 第120-124页 |
| ·小结 | 第124-125页 |
| 第8章 总结与展望 | 第125-127页 |
| ·总结 | 第125-126页 |
| ·进一步的研究工作 | 第126-127页 |
| 附录 I | 第127-131页 |
| 参考文献 | 第131-141页 |
| 致谢 | 第141-142页 |
| 攻读博士学位期间发表及录用的学术论文 | 第142页 |
