新書推薦:
《
我们为何建造(城市与生态文明丛书)
》
售價:HK$
89.7
《
算法经济 : 商业逻辑与人类生活的智能演进(生动呈现AI与算法的创新应用与商业价值)
》
售價:HK$
79.4
《
家书中的百年史
》
售價:HK$
79.4
《
偏爱月亮
》
售價:HK$
45.8
《
生物安全与环境
》
售價:HK$
56.4
《
泥土:文明的侵蚀(城市与生态文明丛书)
》
售價:HK$
84.0
《
医用化学(第三版)
》
售價:HK$
57.3
《
别怕,试一试
》
售價:HK$
67.9
|
內容簡介: |
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。
|
目錄:
|
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的多目标最优解集241 Pareto最优解242 Pareto最优边界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最优解集构造方法31 构造Pareto最优解的简单方法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最优解集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最优解集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最优解集35 用快速排序方法构造Pareto最优解集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最优解集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最优解集的特征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indicator指标632 SMSEMOA633 IBEA64 NSGAⅡ、SPEA2、MOEAD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 MOEA74 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DMOP911 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最优面的几何结构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interchange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
|
內容試閱:
|
20世纪80年代末期,国内外对多目标进化算法MOEA的研究进入了快速发展时期,1994~2001年的8年,国际上所出版的论文是过去10年1984~1993年的3倍之多,近15年又有很大的发展。一方面,以实际应用为驱动的新的研究方向不断涌现,如高维多目标进化优化、基于偏好的多目标进化优化、基于动态环境的多目标进化优化,并产生了很多具有重要价值的成果;另一方面,在IEEE Transactions on Evolutionary Computation、Evolutionary Computation等期刊和EMOEvolutionary MultiCriterion Optimization等学术会议上所发表论文的影响力越来越大;第三个方面,国内外从事MOEA及其应用研究的人员越来越多,他们在MOEA新方法、新技术和应用等方面做了许多卓有成效的工作。 MOEA研究之所以有今天这么好的势头,主要是因为它具有广泛的应用领域和应用前景。现实世界中的许多实际问题都是多个目标的同时优化,这些问题通常又是高度复杂的、非线性的,使用传统方法求解十分困难,而MOEA非常适合求解这类问题。事实上,比较早期的向量评估遗传算法VEGA就是为了解决机器学习中的有关问题而提出的。MOEA发展到今天,已经在许多领域得到了成功应用,如优化控制、数据挖掘、机械设计、移动网络规划、证券组合投资、仿人机器人中枢神经运动控制器的设计、固体火箭发动机的优化设计、QoS路由、物流配送、逻辑电路设计、多传感器多目标跟踪数据关联、水下机器人运动规划、导弹自动驾驶仪设计、柔性制造系统流程规划、森林规划优化,以及车间调度等。 作者累积多年的研究心得和研究结果,并结合国内外MOEA研究的最新成果写成本书,以供MOEA爱好者参考,希望起到抛砖引玉的作用。 全书共分14章。第1章回顾了MOEA的研究历史和发展,讨论了MOEA的分类和有待进一步研究的课题。第2章讨论了多目标优化问题、多目标进化个体之间的关系、基于Pareto的多目标最优解,以及MOEA的一般框架。第3章讨论了基于Pareto的多目标最优解集的构造方法。第4章讨论了保持进化群体分布性的方法和策略。第5章对MOEA的收敛性进行讨论和分析。第6章对当前具有代表性的MOEA进行了讨论和分析。第7~9章分别讨论和分析了高维MOEA、基于偏好的MOEA,以及基于动态环境的MOEA。第10章对MOEA收敛性、分布性等性能评价方法进行了讨论。第11章阐述了MOEA的测试方法,同时给出了大量的测试用例。第12章介绍了多目标进化优化实验平台。第13章讨论了用多目标进化方法求解约束优化问题。第14章从11个方面概述了MOEA的应用,并给出了两个具体的MOEA应用实例。 本书收集了国内外有关MOEA的主要研究成果,但近些年有关MOEA的研究成果十分丰硕,因此还有很多优秀成果没有收集到本书中来,敬请专家和读者谅解。 本书适合作为高年级本科生、硕士研究生、博士研究生和MOEA爱好者研究和学习的教材或参考书。为此,作者在叙述上力求通俗易懂,深入浅出。 作者在撰写本书时,得到了张青富的指导;公茂果、唐珂、王勇、李辉、周爱民、俞扬等专家为作者提供了许多重要写作素材和帮助。除作者外,李辉撰写了61节,王勇撰写了第13章,参与写作和实验的主要人员有李密青、李珂、刘敏、罗彪、肖赤心、喻果、马忠伟,以及朱铮、韩平、柏卉、胡建杰、刘元、王帅发、张宇平、李庆亚、阮干等。 感谢章兢、黄云清、高协平、刘任任、段斌、欧阳建权对本书出版的支持和鼓励。感谢刘沛林、皮修平、李浪的支持和帮助。感谢姚新、张青富、金耀初、杨圣祥、李晓东、梁吉业、王宇平、张军、周育人、崔逊学、李元香、曾三友、丁立新、蔡之华、巩敦卫、公茂果、唐珂、江贺、王勇、李辉、周爱民、俞扬、秦凯、黄翰等国内外专家对作者和研究团队的长期指导和帮助。感谢实验室全体老师和同学的辛苦工作。特别感谢蔡自兴教授,他指导作者郑金华完成了博士论文,同时给予了长期指导和帮助;特别感谢史忠植教授,他指导作者郑金华完成了博士后工作,同时给予了长期指导和帮助。 感谢家人的全力支持,感谢所有关心、支持和帮助作者的朋友和同事。 由于作者水平有限,书中难免有不足之处,敬请广大读者批评指正。作者E-mail:jhzheng@xtu.edu.cn,zoujuan@xtu.edu.cn。
郑金华,邹娟2016年8月
|
|