第1章绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1基于多目标优化问题的研究
1.2.2基于协方差矩阵自适应学习机制的研究
1.2.3基于CMA-ES应用于MOOP的研究
1.3 技术路线
1.4 论文研究内容
1.5 论文结构安排
第2章多目标优化介绍
2.1 多目标优化问题
2.1.2 Pareto最优解
2.1.3非支配解集
2.1.4贡献超体积
2.1.5多目标进化算法
2.2 性能评价
2.2.1收敛性评价方法
2.2.2分布性评价方法
2.2.3综合评价指标
2.3 本章小结
第3章基于协方差矩阵秩-μ自适应学习机制算法研究
3.1 协方差矩阵自适应进化策略
3.1.1协方差矩阵特征分解
3.1.2个体采样
3.1.3 CMA-ES描述
3.2 高效秩-μ协方差矩阵自适应进化策略
3.2.1非三角Cholesky因子秩-1更新协方差矩阵
3.2.2 Cholesky因子秩-μ学习机制更新协方差矩阵
3.3 高效秩-μ更新自动协方差矩阵自适应进化策略
3.4 实验
3.4.2实验分析
3.4.3实验总结
3.5 本章小结
第4章基于协方差矩阵秩-1学习机制算法的研究
4.1 三角Cholesky因子更新协方差矩阵
4.2 新的累积步长学习机制更新CMA-ES
4.3 实验
4.3.1秩-1更新实验分析
4.3.2秩-μ更新实验分析
4.3.3实验总结
4.4 本章小结
第5章精英协方差矩阵自适应学习机制的研究
5.1 精英协方差矩阵自适应进化策略
5.2 秩-μ更新学习机制应用于精英CMA-ES
5.3 实验
5.3.1实验分析
5.3.2实验总结
5.4 本章小结
第6章基于协方差矩阵自适应学习机制多目标优化研究
6.1 构造非支配集
6.2 拥挤距离
6.3 精英CMA-ES应用于多目标优化
6.4 实验
6.4.2实验分析
6.4.3实验总结
6.5 本章小结
第7章总结和展望
7.1 全文总结
7.2 工作展望
致谢
参考文献
附录Ⅰ攻读硕士学位期间取得的研究成果
附录Ⅱ图版
附录Ⅲ表版
声明