分散搜索算法解决多目标优化问题

文摘

英文文摘

声明

第一章绪论

1.1多目标优化问题

1.2基于Pareto的多目标最优解集

1.2.1 Pareto最优解

1.2.2 Pareto最优边界

1.2.3凸空间和凹空间

1.3多目标优化个体之间的支配关系

1.4多目标进化算法

1.5多目标进化算法研究历史和现状

1.5.1 MOEA的分类

1.5.2 MOEA理论研究

1.5.3 MOEA应用研究

1.6本章小结

第二章基于分散搜索算法原理

2.1引言

2.2历史背景

2.2.1组合决策规则

2.2.2组合约束条件

2.3分散搜索算法原理

2.3.1路径重连

2.3.2相关因素

2.3.3高质量和多样化

2.3.4避免重构

2.4分散搜索算法结构

2.4.1分散搜索算法版本

2.4.2多样化生成方法

2.4.3改进解方法

2.4.4构造与更新参考集方法

2.4.5子集生成方法

2.5本章小结

第三章基于分散搜索算法求解多目标优化问题

3.1研究对象与环境

3.1.1多目标测试函数

3.1.2多项式变异算子

3.1.3模拟二进制杂交算子

3.1.4欧几里德距离

3.2多目标分散搜索算法

3.2.1多目标分散搜索版本

3.2.2多样化生成方法

3.2.3改进解方法

3.2.4构造与更新参考集方法

3.2.5子集生成方法

3.3本章小结

第四章实验结果

4.1第一阶段实验

4.2第二阶段实验

4.2.1世代距离(generational distance)

4.2.2高维空间(hyper-area)

4.3结果分析

4.4本章小结

结论

参考文献

攻读硕士学位期间取得的研究成果

结束语