为你推荐
内容简介
前言
第1章 约束多目标优化问题
1.1 约束多目标优化的相关概念
1.2 约束多目标优化领域面临的挑战
1.3 约束多目标优化测试问题
第2章 多目标进化优化理论
2.1 进化计算
2.1.1 进化计算基本思想
2.1.2 进化计算数学基础
2.1.3 进化计算通用框架
2.1.4 进化计算主要分支
2.2 多目标进化算法
2.2.1 基于Pareto支配关系的算法
2.2.2 基于分解策略的算法
2.2.3 基于评价指标的算法
2.2.4 其他经典算法
2.3 算法性能度量
2.3.1 可行性指标
2.3.2 收敛性指标
2.3.3 多样性指标
2.3.4 收敛性与多样性综合指标
第3章 约束处理技术
3.1 罚函数方法
3.1.1 静态罚函数法
3.1.2 动态罚函数法
3.1.3 死罚函数法
3.1.4 自适应罚函数法
3.2 基于目标与约束分离的方法
3.2.1 可行性法则
3.2.2 随机排序法
3.2.3 ε约束处理法
3.3 基于多目标转化的方法
3.4 混合法
3.5 问题转化法
3.5.1 两/多阶段机制
3.5.2 协同进化机制
第4章 面向不规则约束的协同进化多目标优化方法
4.1 引言
4.2 基于双种群的协同进化框架
4.2.1 协同进化机制
4.2.2 惩罚策略
4.2.3 收敛性和多样性平衡策略
4.3 基于双种群的协同进化算法实现
4.3.1 c-DPEA算法实现
4.3.2 算法复杂度
4.4 实验与分析
4.4.1 测试问题和对比算法
4.4.2 c-DPEA中双种群的行为分析
4.4.3 协同进化机制的有效性分析
4.4.4 saPF策略的有效性分析
4.4.5 bCAD适应度函数的有效性分析
4.4.6 算法对比研究
4.5 案例研究
4.6 本章小结
第5章 面向极小可行域约束的协同进化多目标优化方法
5.1 引言
5.2 基于双阶段双种群的协同进化框架
5.2.1 基于双阶段双种群的协同进化机制
5.2.2 探索阶段
5.2.3 利用阶段
5.3 基于双阶段双种群的协同进化算法实现
5.3.1 DD-CMOEA算法实现
5.3.2 算法复杂度
5.4 实验与分析
5.4.1 测试问题和对比算法
5.4.2 DD-CMOEA的搜索行为分析
5.4.3 算法对比研究
5.4.4 参数灵敏度分析
5.5 案例研究
5.6 本章小结
第6章 面向大规模约束的自适应多阶段进化多目标优化方法
6.1 引言
6.2 基于多阶段的自适应进化框架
6.2.1 约束级联处理策略
6.2.2 约束的优先级排序
6.2.3 不同阶段的转换条件
6.3 基于多阶段的自适应进化算法实现
6.3.1 ACCH算法框架
6.3.2 ACCH-PPS算法实现
6.3.3 算法复杂度
6.4 实验与分析
6.4.1 测试问题和对比算法
6.4.2 ACCH-PPS的搜索行为分析
6.4.3 算法对比研究
6.5 案例研究
6.6 本章小结
结语
附录A 基准测试集描述
附录B c-DPEA与经典算法的对比研究
附录C DD-CMOEA与经典算法的对比研究
附录D ACCH-PPS与经典算法的对比研究
参考文献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
