复杂多目标问题的优化方法及应用/王丽萍

第1章 绪论 1.1 多目标优化问题 1.1.1 多目标优化数学模型 1.1.2 Pareto*优解 1.2 多目标进化算法的历史与现状 1.3 多目标进化算法性能评价 1.3.1 个体评价机制 1.3.2 多样性 1.3.3 收敛性 1.3.4 性能评价指标 参考文献 第2章 复杂多目标优化问题 2.1 高维目标优化问题 2.1.1 高维目标优化问题描述 2.1.2 高维目标优化问题面临挑战 2.1.3 高维目标优化方法研究进展 2.1.4 偏好占优的高维目标优化方法 2.2 大规模变量优化问题 2.2.1 大规模变量优化问题描述 2.2.2 大规模变量优化问题面临挑战 2.2.3 大规模变量优化方法研究进展 2.2.4 大规模变量分解的多目标优化方法 参考文献 第3章 合作协同进化理论 3.1 合作协同进化框架 3.1.1 合作协同进化思想 3.1.2 合作协同进化模型 3.2 合作协同进化适值评价方法 3.3 合作协同进化算法收敛性分析 3.3.1 理想适值评估的EGT模型 3.3.2 实际适值评估的EGT模型 参考文献 第4章 确定偏好下的高维目标进化算法研究 4.1 基于双极偏好占优的高维目标进化算法 4.1.1 TOPSIS方法 4.1.2 双极偏好占优机制 4.1.3 2p-NSGA-II算法 4.1.4 仿真实验与结果分析 4.2 基于偏好向量引导的高维目标进化算法 4.2.1 偏好向量生成策略 4.2.2 角度惩罚距离机制 4.2.3 种群划分和精英策略 4.2.4 G-RVEA算法 4.2.5 仿真实验与结果分析 4.3 基于偏好邻域设置的高维目标进化算法 4.3.1 子问题邻域 4.3.2 偏好邻域设置策略 4.3.3 MOEA/D-DN算法 4.3.4 仿真实验与结果分析 参考文献 第5章 随机偏好下的高维目标进化算法研究 5.1 随机偏好自适应协同的高维目标进化算法 5.1.1 混合排序机制 5.1.2 自适应协同进化策略 5.1.3 I-PICEA-g算法 5.1.4 仿真实验与结果分析 5.2 基于混合支配的随机偏好协同进化算法 5.2.1 混合支配策略 5.2.2 改进后的适应值赋值方法 5.2.3 E-PICEA-g算法 5.2.4 仿真实验与结果分析 5.3 基于膝盖点引导的偏好集协同高维目标进化算法 5.3.1 膝盖点引入策略 5.3.2 偏好区域选择策略 5.3.3 K-PICEA-g算法 5.3.4 仿真实验与结果分析 参考文献 第6章 合作协同框架下的大规模变量多目标进化算法研究 6.1 基于变量随机分解的多目标粒子群进化算法 6.1.1 变量随机分解策略 6.1.2 CCMOPSO算法 6.1.3 仿真实验与结果分析 6.2 基于周期性变量随机分解的多目标进化算法 6.2.1 周期性随机分解策略 6.2.2 PDMOPSO算法 6.2.3 仿真实验与结果分析 6.3 基于关联变量分组的多目标进化算法 6.3.1 关联变量定义 6.3.2 关联变量分组策略 6.3.3 MOEAD/IVG算法 6.3.4 仿真实验与结果分析 参考文献 第7章 大规模高维目标优化实际问题 7.1 图像形状匹配问题 7.1.1 问题描述与模型建立 7.1.2 双极偏好占优的滑动窗口参数优化方法 7.1.3 仿真实验与结果分析 7.2 阵列天线设计问题 7.2.1 问题描述与模型建立 7.2.2 双极偏好占优的阵列天线优化方法 7.2.3 仿真实验与结果分析 7.3 桁架结构设计问题 7.3.1 问题描述与模型建立 7.3.2 双极偏好占优的桁架结构优化方法 7.3.3 仿真实验与结果分析 7.4 无线传感器网络覆盖控制优化问题 7.4.1 问题描述与模型建立 7.4.2 无线传感器网络覆盖控制优化方法 7.4.3 仿真实验与结果分析 7.5 通信系统蜂窝网络功率控制优化问题 7.5.1 问题描述与模型建立 7.5.2 关联变量分解的功率控制优化方法 7.5.3 仿真实验与结果分析 参考文献 附录A 测试函数表达式及其特性 附录B 测试函数Pareto前沿图