学位专题

封面
声明
中文摘要
英文摘要
目录
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 数据驱动进化算法
1.2.2 离线数据驱动进化算法
1.3 研究内容及组织架构
2 基于k折交叉的离线数据驱动单目标进化算法
2.1 基于k折交叉的代理模型构建方法
2.1.1 k折交叉验证法
2.1.2 k折交叉法构建代理模型
2.2 基于k折交叉的离线数据驱动单目标进化算法
2.2.1 DDEA-K算法框架
2.2.2 RBFN
2.3 算法测试与结果分析
2.3.1 测试问题
2.3.2 实验设置
2.3.3 对比实验与分析
2.3.4 k折交叉次数K的影响
2.4 径向基函数网络参数分析
2.4.1 隐含层神经元个数nc敏感性分析
2.4.2 核函数敏感性分析
2.4.3 径向基函数网络参数通用性分析
2.5 本章小结
3 知识迁移和Bagging辅助的离线数据驱动多目标进化算法
3.1 基于Bagging的代理模型构建方法和存档策略
3.1.1 基于Bagging的代理模型构建方法
3.1.2 存档策略
3.2 知识迁移和Bagging辅助的离线数据驱动多目标进化算法
3.2.1 多目标优化问题
3.2.2 非支配排序和拥挤距离
3.2.3 精英保留策略
3.2.4 DDEA-KB算法框架
3.2.5 搜索子空间粗糙搜索
3.2.6 全局精确搜索
3.3 算法测试与结果分析
3.3.1 测试问题与评价指标
3.3.2 实验设置
3.3.3 对比实验与分析
3.3.4 知识迁移有效性分析
3.3.5 存档策略有效性分析
3.3.6 粗糙搜索决策变量比例rv的影响
3.3.7 模型集成规模T的影响
3.4 本章小结
4 知识迁移和Stacking辅助的离线数据驱动多目标进化算法
4.1 基于Stacking的代理模型构建方法
4.1.1 Stacking方法
4.1.2 基于Stacking的代理模型构建方法
4.2 知识迁移和Stacking辅助的离线数据驱动多目标进化算法
4.3 算法测试与结果分析
4.3.1 测试问题
4.3.2 实验设置
4.3.3 对比实验与分析
4.3.4 异质集成有效性分析
4.3.5 最小二乘线性回归模型有效性分析
4.4 本章小结
5 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
附录1 攻读硕士学位期间取得的学术成果
附录2 其它附录