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 |