复杂高维多目标优化方法/国之重器出版工程

第 1章 复杂性与优化算法
1．1 引言
1．2 复杂性
1．3 系统的复杂性
1．4 体系的复杂性
1．5 多目标优化问题
1．5．1 经典多目标优化问题
1．5．2 高维多目标优化问题
1．5．3 超多目标优化问题
1．5．4 集合多目标优化问题
1．6 多目标优化算法
1．6．1 目标间的关系
1．6．2 多目标优化算法的研究内容
1．6．3 多目标优化算法类型
1．6．4 经典的多目标优化算法
1．7 多目标优化算法标准测试函数及评价指标
1．7．1 测试函数
1．7．2 评价指标
1．8 多目标优化研究面临的主要挑战
1．9 本章小结
参考文献
第 2章 遗传算法
2．1 引言
2．2 基础知识
2．3 遗传算法的思想
2．4 遗传算法的基本操作
2．5 遗传算法的实现
2．6 遗传算法的研究现状
2．6．1 改进遗传算子及参数
2．6．2 协同遗传算法
2．6．3 混合遗传算法
2．7 本章小结
参考文献
第3章 改进的遗传算法
3．1 引言
3．2 混合策略的家族遗传算法
3．2．1 家族交叉算子
3．2．2 变异算子
3．2．3 算法步骤
3．3 基于聚类的遗传算法
3．3．1 基于生长树的聚类思想
3．3．2 聚类遗传算法的实现
3．4 本章小结
参考文献
第4章 粒子群算法
4．1 引言
4．2 粒子群算法的思想
4．3 粒子群算法的数学基础
4．3．1 原始粒子群算法
4．3．2 标准粒子群算法
4．3．3 离散粒子群算法
4．3．4 随机惯性权重粒子群算法
4．3．5 拓扑结构和邻域结构
4．4 粒子群算法的实现
4．4．1 算法描述
4．4．2 参数设置
4．4．3 算法的评价指标
4．5 粒子群算法的特点
4．6 粒子群算法的研究现状
4．7 本章小结
参考文献
第5章 改进的粒子群算法
5．1 引言
5．2 并行速度受限的粒子群算法
5．2．1 研究动机
5．2．2 速度受限的粒子群算法
5．2．3 基于并行机制的速度受限粒子群算法
5．3 混合粒子群遗传算法
5．3．1 混合粒子群遗传算法的思想
5．3．2 混合粒子群遗传算法描述
5．3．3 混合粒子群遗传算法实现
5．3．4 实验结果与分析
5．4 本章小结
参考文献
第6章 差分算法
6．1 引言
6．2 基本差分算法
6．2．1 差分算法的思想
6．2．2 差分算法的基本操作
6．2．3 差分算法的实现
6．2．4 差分算法的特点
6．3 差分算法研究现状
6．4 本章小结
参考文献
第7章 基于竞争关系的高维多目标优化算法
7．1 引言
7．2 研究背景与动机
7．3 基于双存档策略的进化算法
7．3．1 均匀池策略
7．3．2 单项精英保留策略
7．3．3 双存档策略的高维多目标优化算法
7．4 仿真实验及结果
7．4．1 实验环境和函数
7．4．2 对比算法
7．4．3 参数设置
7．4．4 实验结果
7．5 性能分析
7．6 本章小结
参考文献
第8章 基于相似或冗余目标约简的超多目标优化算法
8．1 引言
8．2 研究背景与问题描述
8．2．1 基于聚类的在线目标约简技术
8．2．2 问题描述
8．3 相关研究基础
8．4 基于自适应生长树聚类目标约简的多目标优化方法
8．4．1 自适应*邻近距离
8．4．2 基于聚合的目标约简
8．4．3 算法： ORAPTC
8．5 仿真实验及结果
8．5．1 实验函数与评价指标
8．5．2 对比算法
8．5．3 参数设置
8．5．4 实验结果
8．6 性能分析
8．7 本章小结
参考文献
第9章 基于分层优化的高维约束多目标优化算法
9．1 引言
9．2 研究背景与动机
9．3 相关研究基础
9．3．1 求解约束问题的多目标优化法及分层思想
9．3．2 单亲遗传算法
9．4 分层优化的约束关系多目标优化算法
9．4．1 分层优化的模型描述
9．4．2 分层优化的改进型单亲遗传算法
9．4．3 不同场景下红蓝双方对抗比赛的实例求解
9．5 仿真实验及结果
9．5．1 实验设置
9．5．2 实验结果与分析
9．6 性能分析
9．7 本章小结
参考文献
第 10章 基于协作目标信息启发的集合多目标优化算法
10．1 引言
10．2 研究背景与问题描述
10．3 相关研究基础
10．3．1 具有协作关系的集合多目标优化问题
10．3．2 烟花爆炸优化算法
10．3．3 测试数据生成实例及建模
10．4 基于协作目标信息启发的集合多目标优化算法
10．4．1 集合多目标优化问题求解算法
10．4．2 测试数据生成实例求解
10．5 仿真实验及结果
10．5．1 实验环境及实验数据
10．5．2 基准程序实验结果
10．5．3 工业程序实验结果