声明
目 录
缩略词表
第一章 绪 论
1.1 研究背景与意义
1.2 多目标优化研究进展
1.2.1 多目标优化问题概述
1.2.2 多目标进化算法研究进展
1.3 多目标进化算法评价测度
1.3.1 测试函数
1.3.2 评价指标
1.4 水库多目标优化研究进展
1.4.1 水库多目标模型研究进展
1.4.2 水库多目标算法研究进展
1.5 研究难点与存在问题
1.6 本文工作与结构安排
第二章 基于反向学习的多目标飞蛾算法
2.1 引 言
2.2 算法设计与实现
2.2.1 基于反向学习的初始化方法
2.2.2 飞蛾优化算子设计
2.2.3 外部档案集维护设计
2.2.4 算法复杂度分析
2.2.5 算法流程
2.3 算法验证与性能分析
2.3.1 参数设置
2.3.2 评价测度设置
2.3.3 性能验证与分析
2.3.4 进化趋势分析
2.4 本章小结
第三章 基于网格排序机制的多目标鲸鱼算法
3.1 引 言
3.2 算法设计与构建
3.2.1 MOWOA算法初始化设计
3.2.2 鲸鱼优化算子设计
3.2.3 基于网格的排序机制设计
3.2.4 外部档案集维护设计
3.2.5 算法复杂度分析
3.2.6 算法流程
3.3 算法验证
3.3.1 参数设定
3.3.2 评价测度设定
3.3.3 结果分析
3.4 算法分析
3.4.1 算法性能分析
3.4.2 算法参数分析
3.4.3 机制通用性分析
3.5 本章小结
第四章 基于自适应聚类的高维多目标进化算法
4.1 引 言
4.2 算法设计与实现
4.2.1 算法初始化设计
4.2.2 子代生成
4.2.3 环境选择
4.2.4 算法复杂度分析
4.3 算法验证
4.3.1 测试问题设置
4.3.2 评价指标设定
4.3.3 算法参数设定
4.3.4 结果与分析
4.4 算法分析
4.4.1 与当前MaOEAs 异同性分析
4.4.2 自适应聚类机制分析
4.4.2 混合距离筛选机制分析
4.4.3 超高维多目标优化分析
4.5 本章小结
第五章 算法收敛性分析
5.1 引言
5.2 多目标进化算法收敛性分析
5.3 基于排序的多目标进化算法收敛性分析
5.4 高维多目标进化算法收敛性分析
5.5 本章小结
第六章 水库多目标优化调度应用研究
6.1 引 言
6.2 问题目标设计
6.2.1 以发电量最大作为为目标
6.2.2 以灌溉缺水最少作为为目标
6.2.3 以生态缺水最少作为为目标
6.2.4 以工业缺水最少作为为目标
6.2.5 约束条件
6.3 流域模型搭建
6.3.1 流域实况
6.3.2 模型建立
6.4 模型优化求解
6.4.1 算法参数设定与约束处理
6.4.2 算法具体实施流程
6.4.3 调度结果分析
6.5 相关系统构建
6.6 本章小结
第七章 结论与展望
7.1 结论
7.2 展望
致 谢
参考文献
作者简介
1 作者简历
2 攻读博士学位期间发表的学术论文
3 参与的科研项目
4 获奖情况
5 专利与软件著作权
学位论文数据集
浙江工业大学;
