教育论文网

基于PBI函数的多目标进化算法研究

论文目录
摘要第1-5页
abstract第5-6页
第一章 绪论第9-15页
    1.1 研究工作的背景与意义第9-10页
    1.2 多目标算法的发展历史与现状第10-12页
    1.3 基于分解的多目标优化算法研究现状第12-13页
    1.4 本文的主要贡献与创新第13-14页
    1.5 本论文的结构安排第14-15页
第二章 基于分解的多目标优化算法框架第15-22页
    2.1 多目标优化问题描述第15-16页
        2.1.1 多目标优化问题的数学模型第15页
        2.1.2 Pareto支配与pareto最优解第15页
        2.1.3 Pareto最优解集与极小极大值点第15-16页
    2.2 MOAE/D算法框架第16-18页
        2.2.1 MOAE/D算法简介第16-17页
        2.2.2 常用分解方法第17-18页
    2.3 基于PBI分解的权重向量分析第18-21页
    2.4 本章小结第21-22页
第三章 自适应调整权向量的方法研究第22-51页
    3.1 PBI算子的改进方法第22-27页
        3.1.1 自适应调整权向量第22-24页
        3.1.2 归一化方法的改进第24-27页
    3.2 MOEA/WD算法框架第27-32页
        3.2.1 罚函因子计算第28-29页
        3.2.2 理想点和最差点的计算第29页
        3.2.3 归一化第29-30页
        3.2.4 更新权向量第30-31页
        3.2.5 环境选择第31-32页
    3.3 测试问题实验研究第32-44页
        3.3.1 测试问题第33-34页
        3.3.2 实验参数设置第34页
        3.3.3 测试问题性能指标第34-35页
        3.3.4 α值敏感性分析第35-37页
        3.3.5 MOEA/WD与其他算法的实验比较第37-44页
    3.4 故障诊断问题研究第44-49页
        3.4.1 故障诊断问题的数学模型第45-46页
        3.4.2 实验参数设置第46-47页
        3.4.3 实验结果分析第47-49页
    3.5 本章小结第49-51页
第四章 基于用户偏好的多目标算法研究第51-60页
    4.1 算法思想第51-52页
    4.2 基于偏好的多目标算法R-MOEA/WD第52-53页
    4.3 测试问题实验研究第53-58页
        4.3.1 实验参数设置第53-54页
        4.3.2 实验结果分析第51-58页
    4.4 本章小结第58-60页
第五章 全文总结与展望第60-62页
    5.1 全文总结第60-61页
    5.2 后续工作展望第61-62页
参考文献第62-70页
致谢第70-71页
攻读硕士学位期间取得的成果第71页

本篇论文共71页,点击 这进入下载页面

 
 
Copyright(C) All Rights Reserved
客服QQ:304386486
目录由用户 yelaixia** 提供,作者删除入口请点击这里