锥形分解高维多目标进化算法及其应用

目录
前言
第1章 多目标优化概述 1
1.1 多目标及高维多目标优化问题 1
1.2 进化算法及多目标进化算法 2
1.3 高维多目标进化算法面临的挑战 3
1.4 分解型多目标进化算法的优势 5
1.5 进化算法中的典型约束处理策略 7
第2章 多目标进化算法基础 10
2.1 常见的代表性多目标进化算法 10
2.1.1 MOEA/D 10
2.1.2 NSGA-Ⅲ 11
2.1.3 MOEA/DD 12
2.2 分解型多目标进化算法的标量化方法 13
2.3 进化算法的交叉算子 15
2.4 多目标进化算法的性能评估指标 16
第3章 锥形分解高维多目标进化算法 MOEA/CD 18
3.1 锥形分解策略 18
3.2 标量化方法——带惩罚的方向距离 25
3.3 交叉算子动态选择机制 27
3.4 MOEA/CD算法流程 28
3.4.1 MOEA/CD主框架 28
3.4.2 初始化阶段 30
3.4.3 重组阶段 31
3.4.4 更新阶段 35
3.5 MOEA/CD的算法复杂度分析 37
3.6 MOEA/CD算法的实验测试与结果分析 38
3.6.1 实验配置 38
3.6.2 算法解集质量分析 43
3.6.3 算法运行效率分析 62
第4章 锥形分解高维多目标进化算法的扩展处理机制 65
4.1 尺度标准化处理 65
4.1.1 尺度标准化处理机制 65
4.1.2 实验测试与结果分析 67
4.2 不规则前沿的扩展处理 70
4.2.1 方向向量自适应调整机制 71
4.2.2 实验测试与结果分析 73
第5章 锥形分解高维多目标进化算法的工程应用 77
5.1 在车辆正面耐撞性设计上的应用 77
5.1.1 车辆正面耐撞性设计问题的目标模型 77
5.1.2 算法应用与分析 79
5.2 在汽车驾驶室设计上的应用 81
5.2.1 汽车驾驶室设计问题的目标模型 81
5.2.2 算法应用与分析 82
第6章 约束多目标优化基础 85
6.1 约束多目标优化标准测试问题 85
6.1.1 障碍型约束多目标优化标准测试问题 85
6.1.2 断裂型约束多目标优化标准测试问题 87
6.1.3 消失型约束多目标优化标准测试问题 89
6.2 分解型多目标优化中的典型约束处理技术 90
6.2.1 罚函数法 91
6.2.2 二目标方法 91
6.2.3 随机排序法 93
6.2.4 约束占优原则 95
6.2.5 约束容忍法 96
第7章 锥形分解约束高维多目标进化算法C-MOEA/CD 99
7.1 约束锥形分解策略 99
7.2 锥形分层选择机制 103
7.3 锥形分层更新机制 104
7.4 C-MOEA/CD算法流程 105
7.4.1 算法主框架 105
7.4.2 初始化阶段 106
7.4.3 重组阶段 107
7.4.4 更新阶段 109
7.5 C-MOEA/CD算法复杂度分析 111
7.6 实验结果与分析 111
7.6.1 实验配置 111
7.6.2 算法取得的解集质量 113
7.6.3 算法运行效率 128
第8章 锥形分解约束高维多目标进化算法的工程应用 130
8.1 在水资源规划上的应用 130
8.1.1 水资源规划问题的目标与约束模型 130
8.1.2 算法应用与分析 132
8.2 在机床规划加工上的应用 135
8.2.1 机床规划加工问题的目标与约束模型 135
8.2.2 算法应用与分析 136
8.3 小结 138
参考文献 139