基于进化算法的大规模稀疏多目标优化问题求解

目录

声明

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 本文的工作与安排

第二章相关工作与理论基础

2.1 多目标优化问题的相关理论

2.1.1 多目标优化问题的基本定义

2.1.2 大规模稀疏多目标优化问题

2.1.3 性能评价指标

2.2 相关工作

2.2.1 大规模多目标进化算法

2.2.2 大规模稀疏多目标进化算法

2.3 本章小结

第三章基于模式挖掘的大规模稀疏多目标进化算法

3.1 基于模式挖掘的大规模稀疏多目标进化算法

3.1.1 算法思想

3.1.2 算法框架

3.1.3 进化模式挖掘方法

3.1.4 遗传算子

3.2 实验与分析

3.2.1 实验设置

3.2.2 PM-MOEA在基准 SMOPs 上的效果

3.2.3 PM-MOEA组件的有效性

3.2.4 PM-MOEA在实际 SMOPs 上的性能

3.2.5 PM-MOEA的计算效率

3.3 本章小结

第四章基于Pareto 最优子空间学习的大规模稀疏多目标进化算法

4.1 基于 Pareto 最优子空间学习的大规模稀疏多目标进化算法

4.1.1 算法思想

4.1.2 受限玻尔兹曼机和降噪自动编码机

4.1.3 算法框架

4.1.4 Pareto最优子空间学习及子代产生

4.1.5 参数自适应策略

4.1.6 计算复杂度

4.2 实验与分析

4.2.1 对比算法

4.2.2 测试问题

4.2.3 基准测试的结果

4.2.4 实际问题的结果

4.2.5 MOEA/PSL中两个神经网络的有效性

4.2.6 MOEA/PSL中参数自适应策略的有效性

4.2.7 MOEA/PSL的计算效率

4.3 本章小结

结 论

参考文献

攻读硕士学位期间取得的学术成果和参与的科研项目

致谢