新書推薦：
《
广东省博物馆藏品大系 端砚卷
》
售價：NT$
2540
《
你的降落伞是什么颜色：就业市场不是一场录用游戏，而是一场淘汰游戏，直到准备充分的人胜出
》
售價：NT$
383
《
美国军事战略研究
》
售價：NT$
857
《
一对一沟通
》
售價：NT$
561
《
南海：历史与现实
》
售價：NT$
704
《
变局与变奏：两次全球化与中国复兴
》
售價：NT$
653
《
沉默的皖北：明清国家治理与地方社会（精）
》
售價：NT$
347
《
国画牡丹 La Magnifique pivoine
》
售價：NT$
163
|
| 內容簡介： |
|
本书包含6章内容。第1章介绍了约束多目标优化的基本概念、当前面临的挑战，并介绍了基准测试问题。第2章详细介绍了多目标进化优化的理论基础，包括经典的算法、设计原则及性能评价指标。第3章为约束处理技术，分别介绍了罚函数方法、基于目标与约束分离的方法、基于多目标转化的方法、混合法、问题转化法等多种方法。第4～6章着重介绍了几类先进的约束多目标进化算法，包括面向不规则约束的协同进化多目标优化方法、面向极小可行域约束的协同进化多目标优化方法，以及面向大规模约束的自适应多阶段进化多目标优化方法。 本书致力于将约束多目标优化的理论与进化算法的实践相结合，不仅为研究者和实践者提供一套完整的理论体系，也为相关领域的学生和专业人士提供参考。
|
| 關於作者： |
|
明梦君，国防科技大学管理科学与工程博士，国防科技大学教师。中国运筹学会会员，中国指控学会会员。曾入选2022年中国运筹学会青年人才发展专项，获评中国仿真学会技术创新一等奖。
|
| 目錄：
|
目 录
第1章 约束多目标优化问题001
1.1 约束多目标优化的相关概念001
1.2 约束多目标优化领域面临的挑战005
1.3 约束多目标优化测试问题005
第2章 多目标进化优化理论013
2.1 进化计算013
2.1.1 进化计算基本思想013
2.1.2 进化计算数学基础015
2.1.3 进化计算通用框架017
2.1.4 进化计算主要分支018
2.2 多目标进化算法021
2.2.1 基于Pareto支配关系的算法021
2.2.2 基于分解策略的算法024
2.2.3 基于评价指标的算法030
2.2.4 其他经典算法033
2.3 算法性能度量035
2.3.1 可行性指标036
2.3.2 收敛性指标036
2.3.3 多样性指标038
2.3.4 收敛性与多样性综合指标039
第3章 约束处理技术042
3.1 罚函数方法042
3.1.1 静态罚函数法042
3.1.2 动态罚函数法043
3.1.3 死罚函数法043
3.1.4 自适应罚函数法043
3.2 基于目标与约束分离的方法044
3.2.1 可行性法则044
3.2.2 随机排序法045
3.2.3 ε约束处理法046
3.3 基于多目标转化的方法047
3.4 混合法049
3.5 问题转化法051
3.5.1 两/多阶段机制051
3.5.2 协同进化机制052
第4章 面向不规则约束的协同进化多目标优化方法053
4.1 引言053
4.2 基于双种群的协同进化框架054
4.2.1 协同进化机制054
4.2.2 惩罚策略055
4.2.3 收敛性和多样性平衡策略058
4.3 基于双种群的协同进化算法实现060
4.3.1 c-DPEA算法实现060
4.3.2 算法复杂度063
4.4 实验与分析063
4.4.1 测试问题和对比算法063
4.4.2 c-DPEA中双种群的行为分析064
4.4.3 协同进化机制的有效性分析068
4.4.4 saPF策略的有效性分析070
4.4.5 bCAD适应度函数的有效性分析073
4.4.6 算法对比研究077
4.5 案例研究083
4.6 本章小结086
第5章 面向极小可行域约束的协同进化多目标优化方法087
5.1 引言087
5.2 基于双阶段双种群的协同进化框架089
5.2.1 基于双阶段双种群的协同进化机制089
5.2.2 探索阶段090
5.2.3 利用阶段093
5.3 基于双阶段双种群的协同进化算法实现096
5.3.1 DD-CMOEA算法实现096
5.3.2 算法复杂度099
5.4 实验与分析100
5.4.1 测试问题和对比算法100
5.4.2 DD-CMOEA的搜索行为分析101
5.4.3 算法对比研究106
5.4.4 参数灵敏度分析113
5.5 案例研究114
5.6 本章小结119
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120
6.1 引言120
6.2 基于多阶段的自适应进化框架122
6.2.1 约束级联处理策略122
6.2.2 约束的优先级排序124
6.2.3 不同阶段的转换条件126
6.3 基于多阶段的自适应进化算法实现126
6.3.1 ACCH算法框架126
6.3.2 ACCH-PPS算法实现128
6.3.3 算法复杂度132
6.4 实验与分析133
6.4.1 测试问题和对比算法134
6.4.2 ACCH-PPS的搜索行为分析135
6.4.3 算法对比研究139
6.5 案例研究147
6.6 本章小结151
结语153
附录A 基准测试集描述154
附录B c-DPEA与经典算法的对比研究163
附录C DD-CMOEA与经典算法的对比研究172
附录D ACCH-PPS与经典算法的对比研究178
参考文献184
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
