摘要
CONTENTS
第一章 绪论
1.1 研究背景和意义
1.2 概率模型进化算法
1.2.1 概率模型进化算法分类
1.2.2 量子进化算法概述
1.2.3 分布估计算法概述
1.3 基于偏好选择的多目标优化进化算法
1.3.1 多目标优化问题
1.3.2 基于偏好选择的进化多目标优化
1.3.3 基于偏好选择的多目标进化算法研究现状
1.4 本论文的研究重点和章节安排
第二章 量子进化算法
2.1 量子计算的基本概念与原理
2.1.1 量子比特
2.1.2 量子逻辑门
2.2 量子进化算法
2.2.1 量子染色体
2.2.2 量子染色体的更新
2.2.3 量子染色体变异
2.3 量子进化算法框架
2.4 数值仿真实验与结果分析
2.4.1 单变量测试函数
2.4.2 典型测试函数
2.4.3 计算结果与分析
2.5 本章小结
第三章 基于核密度的非参数分布估计算法
3.1 分布估计算法存在的问题
3.2 核密度估计
3.2.1 核函数的选择
3.2.2 最优带宽的确定
3.2.3 有限区间上的核密度估计
3.3 基于核密度的分布估计算法
3.4 差分进化算法
3.5 KDE/DE-EDA算法
3.6 数值实验结果
3.6.1 测试函数
3.6.2 实验结果
3.7 本章小结
第四章 基于偏好选择的多目标进化算法
4.1 多目标优化中的效用函数
4.1.1 效用函数
4.1.2 效用函数的性质
4.1.3 总效用
4.2 效用函数与EMOA相结合
4.3 边际效用与替代率
4.4 数值试验
4.4.1 测试函数
4.4.2 实验结果
4.5 本章小结
结论
参考文献
攻读硕士学位期间发表论文
声明
致谢