多目标进化算法研究与应用

第1章 绪论 1.1 引言 1.2 *优化问题 1.2.1 函数优化问题 1.2.2 组合优化问题 1.3 多目标优化问题 1.4 进化算法 1.4.1 遗传算法 1.4.2 进化策略 1.4.3 进化规划 1.4.4 遗传规划 1.5 智能优化算法 1.5.1 模拟退火算法 1.5.2 禁忌搜索算法 1.5.3 人工免疫算法 1.5.4 粒子群优化算法 1.5.5 蚁群算法 1.5.6 人工蜂群算法 1.6 本章小结 第2章 多目标进化算法研究基础 2.1 多目标进化算法研究现状 2.2 多目标进化算法分类 2.2.1 基于支配关系的MOEA 2.2.2 基于评价指标的MOEA 2.2.3 基于分解的MOEA 2.3 多目标进化算法原理 2.3.1 适应度分配 2.3.2 精英主义 2.3.3 密度估计 2.4 多目标进化算法一般框架 2.5 多目标进化算法性能评价指标 2.5.1 世代距离 2.5.2 均匀性度量方法 2.5.3 超体积 2.5.4 反世代距离 2.6 本章小结 第3章 多目标进化算法 3.1 MOGA 3.2 NSGAⅡ 3.2.1 NSGAⅡ流程 3.2.2 非劣排序构造方法 3.2.3 拥挤距离及其排序 3.3 NPGA 3.4 SPEA2 3.5 MOEA/D 3.6 多目标进化算法研究进展 3.6.1 协同多目标进化算法 3.6.2 动态多目标进化算法 3.6.3 高维多目标进化算法 3.6.4 多目标粒子群优化算法 3.6.5 多目标免疫优化算法 3.7 本章小结 第4章 求解智能仓储机器人调度问题的改进NSGAⅡ算法 4.1 引言 4.2 智能仓储机器人调度问题描述 4.2.1 问题描述 4.2.2 生成子代 4.3 改进NSGAⅡ算法思路 4.3.1 构建非支配解集 4.3.2 maximin适应度函数 4.3.3 逐个比较策略 4.3.4 头脑风暴算子 4.4 MB-NSGAⅡ算法流程 4.4.1 标准化 4.4.2 综合选择 4.4.3 逐个比较策略 4.5 应用实例分析 4.5.1 基准实验结果 4.5.2 ZDT和DTLZ的结果与讨论 4.5.3 实验设置 4.5.4 实验结果分析 4.5.5 任务分配模型的结果与讨论 4.6 本章小结 第5章 基于范数P的maximin适应度排序多目标进化算法 5.1 引言 5.2 问题描述 5.2.1 问题模型 5.2.2 基于聚集两两比较的方法 5.2.3 改进思路 5.3 基于M2F-p的改进适应度函数 5.3.1 乘性*大适应度函数M2F 5.3.2 不同p值下M2F-p的搜索能力 5.3.3 M2F-p的基本性质 5.3.4 M2F-p函数选择策略 5.4 改进M2FMOEA算法流程 5.4.1 自适应p-选择策略 5.4.2 环境选择 5.5 应用实例分析 5.5.1 测试问题 5.5.2 绩效指标 5.5.3 实验配置 5.5.4 DTLZ结果与讨论 5.5.5 WFG结果与讨论 5.5.6 MaF结果与讨论 5.5.7 结论分析 5.5.8 演化过程：IGD指标、HV指标和p 5.6 本章小结 第6章 基于决策空间分解的大规模进化优化方法 6.1 引言 6.2 问题描述 6.3 改进思路 6.3.1 分解策略 6.3.2 Jaccard相似系数 6.3.3 哈希函数 6.4 MHD算法 6.5 算例分析 6.5.1 精度结果比较和分析 6.5.2 收敛性结果比较和分析 6.5.3 稳定性结果比较和分析 6.6 本章小结 附录