- ISBN:9787302654995
- 装帧:简裝本
- 册数:暂无
- 重量:暂无
- 开本:16开
- 页数:346
- 出版时间:2024-01-01
- 条形码:9787302654995 ; 978-7-302-65499-5
本书特色
l 基于自然界启发式的求解算法,介绍了与经典数学规划原理不同的优化算法,通过仿生智能优化算法解决复杂多目标优化问题,丰富了现代优化技术,并提供了解决传统优化技术难以处理的高维组合优化问题的实际可行方案。 l 高维多目标优化问题的研究:关注高维多目标优化问题,提出新型算法和技术,包括目标降维方法和代理模型辅助优化等,探讨在高维目标空间中进行有效的搜索和优化。为处理现实世界中复杂的决策问题提供重要的方法和工具。 l 探索智能演化优化在不同领域的应用:涵盖了智能演化优化在工业互联网等领域的柔性作业车间调度问题的研究和开发工作,为相关领域的专业人员提供实用的指导和解决方案。 了解进化多目标优化的基本概念,掌握多目标进化算法和前沿动态,开展柔性作业车间调度问题的应用研究。
内容简介
近年来,演化计算作为计算智能领域的化技术,已经广泛应用于求解组合化、工程化等理论和工程类的化问题,形成了一种基于演化的智能化方法。针对高维空间的多目标化问题,近年来基于分解的多目标演化算法(MOEAs)利用了分而治之的思想有效降低了求解多目标或高维多目标化问题的难度。根据分解的形式不同,基于分解的MOEAs又进一步细分为基于聚合的MOEAs和基于参考点的MOEAs。尽管基于分解的MOEAs是目前求解高维多目标化问题有前景的技术之一,然而它在方法和应用层面均存在着缺陷和不足。本书**分围绕该类方法,着眼于“如何在目标空间中平衡收敛性和多样性”“如何在决策空间中平衡探索与开发”以及“如何进行有效的降维”等科学问题,展开了系统性的研究,在进一步完善其理论框架并推广其在具体问题上的应用。另外,针对多目标柔性作业车间调度这一类典型的NP难工程化问题,本书基于演化化的求解思路,分别研究了面向单目标化的融合问题知识的混合和声搜索方法(HHS)、面向高维空间单目标化的混合和声搜索和大邻域搜索的集成搜索方法(HHS/LNS),以及面向多目标化的基于目标重要性分解的模因演化方法,并在多个基线数据集上取得了异的效果。
本书可作为演化计算、智能化、大数据及人工智能等相关业研究参考和研究生教学用书。
目录
第1章引言3
1.1研究背景3
1.2基本概念以及基本框架5
1.2.1多目标化问题5
1.2.2多目标演化算法简介6
1.3相关研究工作综述8
1.3.1进化高维多目标化8
1.3.2多目标演化算法中的变化算子11
1.4本章小结12
第2章基础知识13
2.1典型的基于分解的多目标演化算法13
2.1.1问题分解多目标演化算法13
2.1.2集成适应度排序14
2.1.3第三代非支配排序遗传算法14
2.1.4多目标遗传局搜索15
2.2差分进化16
2.3柔性作业车间调度的析取图模型17
2.4标准测试问题19
2.4.1高维多目标化测试问题19
2.4.2柔性作业车间调度测试问题20
2.5性能指标20
2.6本章小结22
第3章在基于聚合的多目标演化算法中平衡收敛性和多样性24
3.1前言24
3.2类似算法简介25
3.3基本思想26
3.4算法详解27
3.4.1增强MOEA/D28
3.4.2增强EFR29
3.4.3可选归一化过程30
3.4.4计算复杂度30
3.4.5讨论31
3.5实验设计32
3.5.1测试问题32
3.5.2性能指标34
3.5.3比较算法34
3.5.4实验设置35
3.6算法的性能分析37
3.6.1参数K的影响38
3.6.2收敛性和多样性的研究40
3.7与先进算法的比较44
3.7.1在归一化问题上的比较44
3.7.2在非归一化问题上的比较53
3.7.3进一步讨论56
3.8本章小结57
目录 智能演化化〖2〗〖2〗 〖1〗 第4章基于新型支配关系的多目标演化算法58
4.1前言58
4.2基于θ支配的演化算法59
4.2.1算法框架59
4.2.2参考点的生成60
4.2.3重组算子61
4.2.4自适应归一化62
4.2.5聚类算子62
4.2.6θ支配64
4.2.7θDEA的计算复杂度65
4.3实验设计65
4.3.1测试问题65
4.3.2性能指标66
4.3.3比较算法67
4.3.4实验设置68
4.4实验结果70
4.4.1与NSGAⅢ和MOEA/D的比较70
4.4.2与先进算法的比较79
4.4.3参数θ的影响92
4.4.4进一步讨论95
4.5本章小结96
第5章基于分解的多目标演化算法中的变化算子97
5.1前言97
5.2目标算法98
5.3实验研究99
5.3.1实验设置99
5.3.2NSGAⅢDE中参数的影响100
5.3.3NSGAⅢDE、NSGAⅢSBX: 探索与开发102
5.3.4NSGAⅢ变体之间的比较104
5.4本章小结109
第6章多目标化中的目标降维: 演化多目标化方法与综合分析110
6.1前言110
6.2基本知识和背景112
6.2.1多目标化112
6.2.2目标降维的基本概念113
6.2.3Pareto前沿的表示和误导114
6.2.4目标降维的现有方法115
6.3多目标化方法117
6.3.1基于支配结构的多目标化公式117
6.3.2基于相关性的多目标化公式118
6.3.3使用多目标演化化算法119
6.3.4采用多目标化方法的好处120
6.4对基于支配结构的方法和基于相关性方法的分析121
6.4.1理论基础121
6.4.2基于支配结构的方法的缺点122
6.4.3基于相关性方法的势和局限性123
6.5基准实验125
6.5.1基准问题125
6.5.2样本集的生成126
6.5.3算法的比较126
6.5.4多目标降维方法行为研究127
6.5.5演化多目标化搜索的有效性130
6.5.6在演化多目标搜索领域中确定关键目标集的比较132
6.6应用于现实问题141
6.6.1应用于水资源问题141
6.6.2应用于汽车侧面碰撞问题142
6.6.3讨论143
6.7方法的势145
6.7.1关于辅助化的目标降维145
6.7.2关于可视化和决策制定147
6.8本章小结148
第7章利用支配预测辅助的高成本多目标演化化150
7.1前言150
7.2背景知识152
7.2.1多目标化152
7.2.2θ支配153
7.2.3深度前馈经网络154
7.3θDEADP算法155
7.3.1概述155
7.3.2Representative解157
7.3.3基于支配预测的代理模型158
7.3.4两段预选策略160
7.3.5讨论161
7.4实验162
7.4.1实验设计162
7.4.2多目标化问题的性能166
7.4.3众多目标化问题的性能171
7.4.4θDEADP组成分的研究177
7.5本章小结180
上篇总结181
下篇柔性作业车间调度问题及其化求解
第8章FJS问题概述185
8.1多目标柔性作业车间调度问题185
8.2多目标柔性作业车间调度的研究现状187
8.3模因演算法189
8.3.1模因演算法简介189
8.3.2求解多目标组合化问题的模因演算法190
8.4本章小结191
第9章基于混合和声搜索的柔性作业车间调度192
9.1前言192
9.2相关工作介绍193
9.2.1柔性车间调度193
9.2.2和声搜索算法(HS算法)194
9.2.3混合和声搜索(HHS)算法和混合TS算法(TSPCB)之间的差异194
9.3HHS算法196
9.3.1算法框架196
9.3.2和声向量的表示196
9.3.3和声向量的评估196
9.3.4初始化和声记忆201
9.3.5新和声向量生成202
9.3.6依赖问题的局搜索203
9.3.7更新和声记忆207
9.4实验207
9.4.1实验设置207
9.4.2计算结果和比较209
9.4.3HHS与其他算法的进一步比较215
9.5讨论218
9.6本章小结219
第10章基于混合差分进化的柔性作业车间调度算法220
10.1前言220
10.2基本DE算法222
10.2.1算法初始化222
10.2.2不同载体的突变222
10.2.3交223
10.2.4选择223
10.3针对FJSP的HDE223
10.3.1HDE概述223
10.3.2表示和初始化225
10.3.3双向量编码225
10.3.4转换技术227
10.3.5局搜索算法229
10.4实验233
10.4.1实验设置233
10.4.2Kacem实例的结果235
10.4.3BRdata实例的结果235
10.4.4BCdata实例的结果235
10.4.5HUdata实例的结果239
10.4.6HDE的进一步性能分析244
10.5本章小结251
第11章大规模柔性作业车间调度问题的集成搜索启发式算法252
11.1前言252
11.2混合和声搜索253
11.2.1HS简介253
11.2.2HHS程序254
11.2.3HHS对FJSP的适配255
11.3大邻域搜索260
11.3.1LNS概述260
11.3.2FJSP的基于约束的模型261
11.3.3约束破坏算法261
11.3.4构造算法262
11.4集成的启发式搜索方法: HHS/LNS262
11.5实验研究263
11.5.1实验设置263
11.5.2HHS模块性能分析263
11.5.3LNS模块性能分析268
11.5.4整合效应269
11.5.5大规模基准实例的计算结果269
11.6本章小结276
第12章求解多目标柔性作业车间调度的模因演算法278
12.1前言278
12.2算法概述279
12.3全局搜索策略280
12.3.1染色体编码280
12.3.2染色体解码281
12.3.3遗传作282
12.4局搜索策略283
12.4.1个体选择283
12.4.2针对个体的局搜索284
12.5实验分析289
12.5.1评指标290
12.5.2局搜索中接受准则的实验研究291
12.5.3遗传搜索和局搜索混合的有效性293
12.5.4局搜索中分层策略的有效性297
12.5.5与先进算法的比较299
12.6进一步讨论307
12.7本章小结308
下篇总结309
参考文献310
附录A334
A.1英文缩写对照表334
A.2图片索引338
A.3表格索引342
作者简介
徐华,博士,2003年毕业于清华大学计算机科学与技术系,现为清华大学计算机科学与技术系长聘副教授,博士生导师。从事多模态智能信息处理、智能优化和共融机器人智能控制等研究工作。担任爱思唯尔(Elsevier)开放期刊Intelligent Systems with Applications首任主编,权威期刊Expert Systems with Applications副主编。完成国家科技重大专项课题3项,国家自然科学基金项目4项,国家973项目二级课题2项,国家863项目(课题)5项,国际500强企业(宝洁、西门子、安捷伦等)合作项目13项。目前已在本专业领域权威国际期刊和AAAI、ACL、ACMMM等顶级会议上发表学术论文100余篇。获得国家科技进步奖二等奖1项(集体奖),北京市科学技术奖一等奖1项,北京市科学技术奖二等奖1项(集体奖),北京市科学技术奖三等奖1项,重庆市科技进步奖三等奖1项,中国物流与采购联合会科技发明奖一等奖1项,中国物流与采购联合会科学技术奖一等奖1项。作为主讲教师,主讲清华大学全校性课程“数据挖掘:方法与应用”“工业数据挖掘与分析”“互联网产品设计”等课程。独立编写专著和教材5本,其中《演化机器学习》是国内首部演化机器学习领域的学术专著;《面向共融机器人的自然交互——人机对话意图理解》是国内首部共融机器人自然交互领域的学术专著;《数据挖掘:方法与应用》和《数据挖掘:方法与应用——应用案例》已经被国内众多高校选用为配套教材,并获得清华大学优秀教材(2020年)二等奖。 袁源,教授,博士生导师。2015年博士毕业于清华大学计算机科学与技术系,毕业后先后在新加坡南洋理工大学和美国密歇根州立大学从事博士后研究工作。2020年入选国家高层次青年人才项目。研究领域包括计算智能、机器学习、智能软件工程、多目标优化等。迄今为止,以**作者在IEEE TSE、IEEETEVC、AIJ、ACM GECCO等国际顶级学术期刊和会议发表论文10余篇,4篇论文为ESI高被引论文,1篇论文入选中国百篇*具影响国际学术论文。目前担任IEEE TEVC、IEEE TETCI、ISWA国际期刊副主编,长期担任人工智能领域多个国际顶级期刊的审稿人。
-
AI绘画+AI摄影+AI短视频从入门到精通
¥45.5¥79.8 -
企业AI之旅
¥43.5¥79.0 -
乡村振兴新技术:新时代农村短视频编辑技术基础入门
¥12.8¥32.0 -
机器学习
¥59.4¥108.0 -
C Primer Plus 第6版 中文版
¥62.6¥108.0 -
基于知识蒸馏的图像去雾技术
¥61.6¥88.0 -
粒子群算法在优化选取问题中的应用研究
¥40.8¥68.0 -
Web前端开发基础
¥36.5¥57.0 -
智能算法优化及其应用
¥49.0¥68.0 -
Photoshop图像处理
¥25.5¥49.0 -
SNS信息传播分析
¥48.3¥69.0 -
R语言医学数据分析实践
¥72.3¥99.0 -
大模型推荐系统:算法原理、代码实战与案例分析
¥66.8¥89.0 -
HARMONYOS NEXT启程:零基础构建纯血鸿蒙应用
¥75.6¥108.0 -
剪映 从入门到精通
¥25.7¥59.8 -
游戏造梦师----游戏场景开发与设计
¥68.6¥98.0 -
SAR图像处理与检测
¥35.4¥49.8 -
生成式人工智能(AIGC)应用
¥71.1¥90.0 -
人工智能
¥29.4¥42.0 -
中文版PHOTOSHOP 2024+AI修图入门教程
¥59.3¥79.0