| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·多目标优化方法介绍及选题意义 | 第11-14页 |
| ·研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·多目标优化方法的研究内容 | 第14页 |
| ·本文主要贡献 | 第14-15页 |
| ·文章的组织结构 | 第15-16页 |
| 第2章 粒子群算法 | 第16-23页 |
| ·基本PSO 算法 | 第16-18页 |
| ·算法原理 | 第16-18页 |
| ·带惯性权重的粒子群算法 | 第18-20页 |
| ·一般的惯性因子 | 第18页 |
| ·基于模糊系统的惯性因子 | 第18-19页 |
| ·收缩因子法 | 第19-20页 |
| ·基于遗传思想改进的粒子群算法 | 第20页 |
| ·采用选择的方法 | 第20页 |
| ·使用杂交的方法 | 第20页 |
| ·离散变量的粒子群算法 | 第20-21页 |
| ·整数空间的粒子群算法 | 第21页 |
| ·粒子群算法的研究方向 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第3章 多目标优化算法 | 第23-30页 |
| ·多目标优化问题的基本概念 | 第23-24页 |
| ·多目标遗传算法（MOGA 算法） | 第24-25页 |
| ·非劣分类遗产算法（NSGA2 算法） | 第25-26页 |
| ·改进型强度Pareto 进化算法（SPEA2 算法） | 第26-27页 |
| ·多目标粒子群算法（MOPSO） | 第27-29页 |
| ·归档Pareto 多目标粒子群算法 | 第27-28页 |
| ·混合的多目标粒子群算法 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第4章 量子粒子群多目标优化算法 | 第30-40页 |
| ·量子计算的基本原理和基本特性 | 第30-34页 |
| ·量子位的表示方法 | 第30-32页 |
| ·量子计算的基本特性 | 第32页 |
| ·量子进化算法 | 第32-34页 |
| ·现有的量子粒子群算法分析 | 第34-35页 |
| ·新的量子比特粒子群算法 | 第35-39页 |
| ·量子角的表示 | 第35页 |
| ·量子比特粒子群算法 | 第35-36页 |
| ·采用距离方法的量子粒子群多目标优化方法 | 第36页 |
| ·极大极小距离 | 第36-39页 |
| ·小结 | 第39-40页 |
| 第5章 多维0-1 背包问题的求解 | 第40-47页 |
| ·多维背包问题的数学描述 | 第40-41页 |
| ·实验说明 | 第41-42页 |
| ·实验结果 | 第42-45页 |
| ·讨论与分析 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第6章 ALP 问题 | 第47-54页 |
| ·问题背景 | 第47页 |
| ·问题描述 | 第47-50页 |
| ·编码方式分析 | 第50-51页 |
| ·实验结果 | 第51-53页 |
| ·小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 附录A 攻读硕士期间发表的论文 | 第60-61页 |
| 致谢 | 第61页 |