多目标进化优化 版权信息
- ISBN:9787030521491
- 条形码:9787030521491 ; 978-7-03-052149-1
- 装帧:一般胶版纸
- 册数:暂无
- 重量:暂无
- 所属分类:>>
多目标进化优化 本书特色
近年来,多目标进化算法(MOEA)的研究进入了快速发展阶段,越来越多的人开始从事MOEA新方法和新技术的设计与实现,MOEA的应用日益广泛。 本书比较全面地综述了MOEA的国际研究现状和发展趋势,介绍了MOEA的基础知识和基本原理;论述和分析了构造Pareto*解集的方法、保持进化群体分布性的方法和策略,以及MOEA的收敛性;讨论了目前国际上*代表性的MOEA以及高维MOEA、偏好MOEA和动态MOEA;探讨了MOEA的性能评价方法、MOEA的测试方法,以及MOEA测试实验平台。*后,讨论了用多目标进化方法求解约束优化问题,并分类概述了MOEA的应用及两个具体应用实例。 本书可作为计算机、自动控制和其他相关专业高年级本科生、硕士研究生、博士研究生,以及MOEA爱好者研究和学习的教材或参考书。
多目标进化优化 内容简介
本书比较全面地综述了MOEA的国际研究现状和发展趋势, 介绍了MOEA的基础知识和基本原理 ; 论述和分析了构造Pareto*优解集的方法、保持进化群体分布性的方法和策略, 以及MOEA的收敛性等内容。
多目标进化优化 目录
序言前言第1章 绪论11 MOEA概述12 MOEA的分类121 按不同的进化机制分类122 按不同的决策方式分类13 多目标进化优化方法研究14 MOEA理论研究15 MOEA应用研究16 有待进一步研究的课题第2章 多目标进化优化基础21 进化算法211 遗传算法的基本流程212 编码213 适用度评价214 遗传操作22 多目标优化问题23 多目标进化个体之间关系24 基于Pareto的多目标*优解集241 Pareto*优解242 Pareto*优边界243 凸空间和凹空间25 基于Pareto的多目标进化算法的一般框架第3章 多目标Pareto*优解集构造方法31 构造Pareto*优解的简单方法311 Deb的非支配排序方法312 用排除法构造非支配集32 用庄家法则构造Pareto*优解集321 用庄家法则构造非支配集的方法322 正确性论证323 时间复杂度分析324 实例分析325 实验结果33 用擂台赛法则构造Pareto*优解集331 用擂台赛法则构造非支配集的方法332 正确性论证及时间复杂度分析333 实例分析334 实验结果34 用递归方法构造Pareto*优解集35 用快速排序方法构造Pareto*优解集351 个体之间的关系352 用快速排序方法构造非支配集36 用改进的快速排序方法构造Pareto*优解集361 改进的快速排序算法362 实验结果第4章 多目标进化群体的分布性41 用小生境技术保持进化群体的分布性42 用信息熵保持进化群体的分布性43 用聚集密度方法保持进化群体的分布性44 用网格保持进化群体的分布性441 网格边界442 个体在网格中的定位443 自适应网格45 用聚类方法保持进化群体的分布性451 聚类分析中的编码及其相似度计算452 聚类分析453 极点分析与处理46 非均匀问题的分布性461 非均匀分布问题462 杂乱度分析463 种群维护第5章 多目标进化算法的收敛性51 多目标进化模型及其收敛性分析511 多目标进化简单模型512 reduce函数513 收敛性分析52 自适应网格算法及其收敛性521 有关定义522 自适应网格算法523 AGA收敛性分析524 AGA的收敛条件53 MOEA的收敛性分析531 Pareto*优解集的特征532 MOEA的收敛性第6章 多目标进化算法61 基于分解的MOEA611 三类聚合函数612 基于分解的MOEA算法框架62 基于支配的MOEA621 Schaffer和Fonseca等的工作622 NSGAⅡ623 NPGA624 SPEA2625 PESA626 PAES627 MGAMOO628 MOMGA629 基于信息熵的MOEA6210 mBOA63 基于指标的MOEA631 Hypervolume指标和二元εindicator指标632 SMSEMOA633 IBEA64 NSGAⅡ、SPEA2、MOEA/D实验比较结果第7章 高维MOEA71 概述72 NSGAⅢ 721 参考点的设置722 种群的自适应标准化723 关联操作724 个体保留操作725 NSGAⅢ时间复杂度分析73 εMOEA74 SDE75 实验结果及对高维MOEA研究的思考第8章 偏好MOEA81 概述82 gdominance算法83 rdominance算法84 角度信息偏好算法85 实验结果第9章 基于动态环境的MOEA91 动态多目标优化问题(DMOP)911 DMOP基本概念及数学表述912 DMOP的分类913 动态多目标进化方法914 动态多目标测试问题92 FPS 921 预测策略及算法922 实验结果93 PPS931 PPS基本原理932 PS中心点的预测933 PS的副本估计934 下一时刻解的生成935 PPS算法936 实验结果94 DEEPDMS941 动态环境模型942 动态进化模型的实现943 DEEPDMS944 实验结果第10章 MOEA性能评价101 概述102 实验设计与分析1021 实验目的1022 MOEA评价工具的选取1023 实验参数设置1024 实验结果分析103 MOEA性能评价方法1031 评价方法概述1032 收敛性评价方法1033 分布性评价方法104 综合评价指标1041 超体积指标1042 反转世代距离第11章 MOEA测试函数111 概述112 MOEA测试函数集113 MOP问题分类1131 非偏约束的数值MOEA测试函数集1132 带偏约束的数值MOEA测试函数集114 构造MOP测试函数的方法1141 从数值上构造MOP1142 规模可变的多目标测试函数的构造方法1143 自底向上地构造规模可变的多目标测试函数1144 对曲面进行约束构造规模可变的多目标测试函数115 DTLZ测试函数系列1151 DTLZ11152 DTLZ21153 DTLZ31154 DTLZ41155 DTLZ51156 DTLZ61157 DTLZ71158 DTLZ81159 DTLZ9116 组合优化类MOEA测试函数117 WFG测试问题工具包1171 问题特性1172 Pareto*优面的几何结构1173 构造测试问题的一般方法1174 WFG1~WFG9118 可视化测试问题119 其他测试问题第12章 多目标优化实验平台121 多目标优化实验平台特性122 开源软件框架123 优化模板库1231 OTL的构成1232 OTL面向对象的设计架构1233 OTL的三个组成工程第13章 基于多目标优化求解单目标约束优化问题131 约束优化概述132 CW算法133 HCOEA算法
第14章 MOEA应用141 MOEA应用概述1411 MOEA在环境与资源配置方面的应用1412 MOEA在电子与电气工程方面的应用1413 MOEA在通信与网络优化方面的应用1414 MOEA在机器人方面的应用1415 MOEA在航空航天方面的应用1416 MOEA在市政建设方面的应用1417 MOEA在交通运输方面的应用1418 MOEA在机械设计与制造方面的应用1419 MOEA在管理工程方面的应用14110 MOEA在金融方面的应用14111 MOEA在科学研究中的应用142 MOEA在车辆路径问题中的应用1421 带时间窗的车辆路径问题1422 求解VRPTW问题的MOEA1423 可变概率的λinterchange局部搜索法1424 实验与分析143 MOEA在供水系统中的应用1431 水泵调度问题1432 求解方法1433 实验结果分析附录A 符号及缩写附录B MOPs测试函数附录C 表B1测试函数的Ptrue图和PFtrue图附录D 表B2测试函数的Ptrue图和PFtrue图参考文献
展开全部
多目标进化优化 作者简介
郑金华 博士,教授、博士生导师,国务院特殊津贴专家。从1997年开始从事进化优化、多目标进化优化、高维多目标进化优化等研究,主持完成**自然科学基金项目3项、省部级科研项目10余项,以**完成人获得湖南省自然科学奖二等奖1项、湖南省**教学成果奖二等奖2项,获得霍英东青年教师奖1项;出版学术著作1部,在IEEE Transactions on Evolutionary Computation、Evolutionary Computation、Applied Soft Computing以及《计算机学报》《软件学报》等发表学术论文220余篇。