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

基于粒子群的多目标约束优化算法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-25页
    1.1 课题研究背景和意义第10-11页
    1.2 进化多目标优化算法的研究现状第11-14页
        1.2.1 第一代进化多目标优化算法第11-12页
        1.2.2 第二代进化多目标优化算法第12-14页
    1.3 进化多目标优化算法的研究热点第14-19页
        1.3.1 新型占优机制的研究第14-15页
        1.3.2 测试问题研究第15-16页
        1.3.3 约束优化问题的研究第16-17页
        1.3.4 调度问题的研究第17-19页
    1.4 多目标粒子群优化算法的研究现状第19-21页
    1.5 本文的主要研究内容和工作安排第21-25页
第2章 MOPSO算法及其理论基础第25-36页
    2.1 引言第25页
    2.2 多目标优化问题的数学描述第25-30页
        2.2.1 多目标优化模型第26-28页
        2.2.2 多目标优化算法的设计目标第28页
        2.2.3 多目标优化算法的关键理论第28-30页
    2.3 MOPSO算法的理论基础第30-35页
        2.3.1 MOPSO算法的基本原理与参数选择第30-32页
        2.3.2 MOPSO算法的基本流程第32页
        2.3.3 MOPSO算法的非劣解质量评价指标第32-33页
        2.3.4 MOPSO算法处理多目标优化问题的关键点第33页
        2.3.5 MOPSO算法的学习样本的选取第33-35页
        2.3.6 MOPSO算法的外部档案规模控制第35页
    2.4 本章小结第35-36页
第3章 MOPSO算法在连续约束优化问题的研究第36-65页
    3.1 引言第36-37页
    3.2 基于自适应网络与动态拥挤距离的MOPSO算法第37-43页
        3.2.1 自适应网络的构建第37-39页
        3.2.2 Pareto解的存储第39页
        3.2.3 适应度函数的设计第39-40页
        3.2.4 动态拥挤距离的设计第40-41页
        3.2.5 外部档案规模的限制第41-42页
        3.2.6 粒子群算法的时间复杂度分析第42-43页
    3.3 函数优化实验第43-56页
        3.3.1 测试函数实验第43-52页
        3.3.2 参数理论分析与实验验证第52-54页
        3.3.3 鲁棒性研究第54-56页
    3.4 MOPSO处理约束多目标优化问题的机制第56-57页
    3.5 成品油调和中的经济效益问题研究第57-64页
        3.5.1 模型建立第59-60页
        3.5.2 模型求解第60-64页
    3.6 本章小结第64-65页
第4章 MOPSO算法在离散约束优化问题的研究第65-81页
    4.1 引言第65-66页
    4.2 流水车间调度问题的数学描述与模型第66-67页
    4.3 基于改进粒子群的多目标流水车间调度算法第67-73页
        4.3.1 编码第67-68页
        4.3.2 算法初始化第68-69页
        4.3.3 Baldwinian学习策略第69-71页
        4.3.4 基于动态权重相对加权法的适应度函数第71页
        4.3.5 动态拥挤距离设计第71-72页
        4.3.6 算法的时间复杂度分析第72-73页
    4.4 实验研究第73-79页
        4.4.1 参数研究第73-75页
        4.4.2 函数实验第75-78页
        4.4.3 流水车间调度问题研究第78-79页
    4.5 本章小结第79-81页
第5章 总结与展望第81-83页
    5.1 本文研究工作总结第81页
    5.2 研究工作展望第81-83页
参考文献第83-91页
致谢第91-92页
作者在攻读硕士学位期间取得的成果第92页

论文共92页,点击 下载论文
上一篇:多工况过程监控中的概率主元分析方法研究
下一篇:过程控制系统欺骗攻击与信息安全防护