声明
插图索引
表格索引
符号对照表
缩略语对照表
1 绪论
1.1 研究背景和意义
1.2 研究现状
1.3 现有研究的不足和分析
1.4 本文的主要工作
2 基础知识
2.1 多目标优化问题
2.2 两类多目标分布估计算法
2.2.1 基于规则模型的多目标分布估计算法
2.2.2 基于高斯过程逆模型的多目标分布估计算法
2.3 快速非支配排序选择策略
2.4 评价指标
2.5 本章小结
3 自适应协方差学习模型驱动的多目标混合差分-分布估计算法
3.1 引言
3.2 提出的算法
3.2.1 差分进化算子的数学特征分析
3.2.2 自适应协方差学习
3.2.3 负相关学习
3.3 算法框架
3.4 最坏情况计算复杂度分析
3.5 实验研究
3.5.1 测试函数
3.5.2 参数设置
3.5.3 实验结果与分析
3.6 本章小结
4 自适应逆学习模型驱动的多目标进化算法
4.1 引言
4.2 提出的算法
4.2.1 外部精英存档策略
4.2.2 动态参考向量的设计
4.2.3 偏好交叉操作
4.3 算法框架
4.4 最坏情况计算复杂度分析
4.5 实验研究
4.5.1 测试函数
4.5.2 参数设置
4.5.3 实验结果与分析
4.6 本章小结
5 自适应双空间学习模型驱动的多目标进化算法
5.1 引言
5.2 提出的算法
5.2.1 基于序列的确定性初始化方法
5.2.2 学习模型的自适应选择策略
5.2.3 集成双空间的自适应环境选择策略
5.3 算法框架
5.4 最坏情况计算复杂度分析
5.5 实验研究
5.5.1 测试函数
5.5.2 参数设置
5.5.3 实验结果与分析
5.6 本章小结
6 基于多目标深度信念网络的时间序列预测模型
6.1 时间序列预测
6.2 多目标引导的稀疏深度信念网络
6.2.1 深度信念网络模型
6.2.2 多目标引导的稀疏RBM训练
6.3 实验研究
6.3.1 混沌时间序列预测
6.3.2 电力负荷预测
6.4 本章小结
7 总结与展望
7.1 总结
7.2 展望
致谢
参考文献
附录
附录A
附录B
攻读博士学位期间的研究成果
1.完成的论文成果
2.参与的科研项目
3.完成的论文成果
西安理工大学;