学习型智能优化算法及其应用电子书

内容简介

《排序与调度丛书》编辑委员会

丛书序言

前言

第1章 绪论

1.1 背景及意义

1.1.1 背景

1.1.2 动机

1.2 智能优化方法

1.3 知识导向的智能优化算法

1.3.1 传统人工智能引导的智能优化算法

1.3.2 特定知识模型引导的智能优化算法

1.3.3 具有双层进化机制的文化算法

1.4 章节结构

第2章 学习型智能优化方法

2.1 学习型智能优化相关理论

2.1.1 知识

2.1.2 知识模型

2.1.3 遗传算法

2.1.4 蚁群算法

2.1.5 学习型智能优化的基本框架

2.1.6 学习型智能优化的运行机制

2.2 学习型智能优化中的知识

2.2.1 精英个体知识

2.2.2 构件知识

2.2.3 算子知识

2.2.4 参数知识

2.3 学习型智能优化算法的框架与流程

2.3.1 求解函数优化问题的学习型遗传算法框架与流程

2.3.2 求解非对称旅行商问题的学习型遗传算法框架与流程

2.3.3 求解双层CARP优化问题的学习型遗传算法框架与流程

2.3.4 求解双层CARP优化问题的学习型蚁群算法框架与流程

2.3.5 求解柔性作业车间调度问题的学习型蚁群算法框架与流程

2.3.6 求解柔性作业车间调度问题的学习型协同进化算法框架与流程

2.3.7 求解体系仿真优化问题的学习型遗传算法框架与流程

2.3.8 求解卫星地面站系统任务调度的学习型蚁群算法框架与流程

2.3.9 求解多星任务规划问题的学习型蚁群算法框架与流程

2.4 本章小结

第3章 求解函数优化问题的学习型遗传算法

3.1 问题描述及特点分析

3.2 求解过程

3.2.1 种群初始化

3.2.2 选择操作

3.2.3 交叉操作

3.2.4 变异操作

3.2.5 灾变操作

3.2.6 终止条件

3.3 实验结果及分析

3.3.1 参数设置

3.3.2 几种典型的函数优化方法

3.3.3 普通测试函数的实验结果

3.3.4 组合测试函数的实验结果

3.4 本章小结

第4章 求解非对称旅行商问题的学习型遗传算法

4.1 问题描述及特点分析

4.1.1 旅行商问题描述

4.1.2 旅行商问题的分类

4.1.3 旅行商问题的应用和价值

4.1.4 旅行商问题的计算复杂性

4.2 求解过程

4.2.1 种群初始化操作

4.2.2 选择操作

4.2.3 交叉操作

4.2.4 变异操作

4.2.5 种群替换操作

4.2.6 局部优化操作

4.2.7 终止条件

4.3 实验结果及分析

4.4 本章小结

第5章 求解双层CARP优化问题的学习型遗传算法和学习型蚁群算法

5.1 问题描述及特点分析

5.1.1 双层CARP优化问题的相关术语

5.1.2 双层CARP优化问题的数学模型

5.1.3 双层CARP优化问题的简单实例

5.1.4 双层CARP优化问题的特点

5.2 求解框架

5.2.1 双层CARP优化问题的求解框架

5.2.2 宏观配置优化方法

5.2.3 扩展启发式方法ERPS

5.2.4 扩展启发式方法ERUH

5.3 求解过程

5.3.1 学习型遗传算法求解过程

5.3.2 学习型蚁群算法求解过程

5.4 学习型遗传算法的实验结果及分析

5.4.1 实验设计和参数设置

5.4.2 LEGA-1和LEGA-2的比较实验

5.4.3 LEGA-2和LEGA-3的比较实验

5.4.4 ERPS和LEGA-3的比较实验

5.4.5 ERUH和LEGA-3的比较实验

5.4.6 不同方法的优化曲线

5.5 学习型蚁群算法的实验结果及分析

5.5.1 实验设计和参数设置

5.5.2 ERPS和LEACO的实验结果

5.5.3 ERUH和LEACO的实验结果

5.5.4 LEGA和LEACO的实验结果

5.6 本章小结

第6章 求解柔性作业车间调度问题的学习型蚁群算法和学习型协同进化算法

6.1 问题描述及特点分析

6.1.1 柔性作业车间调度问题的描述

6.1.2 柔性作业车间调度问题的分类

6.1.3 柔性作业车间调度问题的特点

6.1.4 柔性作业车间调度问题的求解过程

6.2 求解过程

6.2.1 学习型蚁群算法求解过程

6.2.2 学习型协同进化算法求解过程

6.3 学习型蚁群算法的实验结果及分析

6.4 学习型协同进化算法的实验结果及分析

6.5 本章小结

第7章 求解体系仿真优化问题的学习型遗传算法

7.1 问题描述

7.1.1 体系实例

7.1.2 数学模型

7.2 求解过程

7.2.1 分层优化方法

7.2.2 学习型遗传算法步骤

7.3 实验结果及分析

7.4 本章小结

第8章 求解卫星地面站系统任务调度的学习型蚁群算法

8.1 问题描述

8.2 求解过程

8.2.1 信息素的定义和初始化

8.2.2 可行解的构造

8.2.3 导向局部搜索方法

8.2.4 信息素的更新

8.2.5 终止准则

8.3 实验结果及分析

8.4 本章小结

第9章 求解多星任务规划问题的学习型蚁群算法

9.1 问题描述

9.1.1 多星任务规划的基本输入要素

9.1.2 多星任务规划的基本约束条件

9.1.3 多星任务规划的基本输出要素

9.1.4 多星任务规划的基本假设

9.1.5 多星任务规划问题分析

9.2 问题建模

9.2.1 数学符号

9.2.2 元任务

9.2.3 合成任务

9.2.4 收益函数构造

9.2.5 多星任务规划模型

9.3 求解过程

9.3.1 知识初始化

9.3.2 任务指派

9.3.3 任务合成

9.3.4 调度改进

9.3.5 知识学习

9.3.6 终止准则

9.4 实验结果及分析

9.4.1 测试实例的构造

9.4.2 实验结果及分析

9.5 本章小结

第10章 总结与展望

10.1 主要成果

10.2 研究展望

参考文献

索引

附录A 函数优化问题的一些普通测试函数

附录B 函数优化问题的一些组合测试函数

附录C 双层CARP优化问题的测试实例

附录D 双层CARP优化问题的最优下限估计方法

D.1 服务成本的最优下限估计

D.2 空车成本的最优下限估计

D.3 仓库构建成本的最优下限估计

D.4 车辆购置成本的最优下限估计

附录E 英汉排序与调度词汇