当前位置:首页 > 工业技术
多目标智能优化算法及其应用
多目标智能优化算法及其应用

多目标智能优化算法及其应用PDF电子书下载

工业技术

  • 电子书积分:13 积分如何计算积分?
  • 作 者:雷德明,严新平编著
  • 出 版 社:北京:科学出版社
  • 出版年份:2009
  • ISBN:9787030236944
  • 页数:389 页
图书介绍:多目标进化算法与多目标粒子群优化算法是多目标智能算法研究的两个主要分支,本书系统地介绍了这两个主要分支的理论、应用与发展,同时也论述了其它智能算法在多目标优化方面的设计与应用,力图全面地介绍多目标智能优化最新研究进展。全书包括8章,主要内容:多目标进化算法基本原理;多目标进化算法设计及其理论分析;多目标粒子群优化算法及其理论分析;并行多目标智能优化算法;其它多目标智能算法包括多目标蚁群算法、多目标模拟退火等;多种智能优化算法包括禁忌搜索等在作业车间调度中的应用;多目标智能优化算法在其他工程优化问题中的应用。
上一篇:土力学与地基基础下一篇:健康粥
《多目标智能优化算法及其应用》目录

第1章 绪论 1

1.1进化算法 1

1.1.1进化算法的基本框架 2

1.1.2遗传算法 2

1.1.3进化策略 8

1.1.4进化规划 9

1.2粒子群算法 10

1.2.1标准粒子群算法 11

1.2.2算法解析 11

1.3蚁群算法 12

1.3.1蚁群算法的基本思想 12

1.3.2蚁群算法的实现过程 14

1.3.3蚁群算法描述 15

1.3.4蚁群优化的特点 18

1.4模拟退火算法 19

1.4.1模拟退火算法的基本原理 19

1.4.2模拟退火算法描述 21

1.5人工免疫系统 23

1.5.1生物免疫系统 23

1.5.2人工免疫系统 24

1.6禁忌搜索 29

1.7分散搜索 30

1.8多目标优化基本概念 31

参考文献 33

第2章 多目标进化算法 36

2.1基本原理 36

2.1.1MOEA模型 37

2.1.2性能指标与测试函数 38

2.2典型多目标进化算法 41

2.2.1VEGA、MOGA、NPGA和NSGA 41

2.2.2SPEA和SPEA2 43

2.2.3NSGA2 47

2.2.4PAES 48

2.2.5其他典型MOEA 50

2.3多目标混合进化算法 50

2.3.1多目标遗传局部搜索 51

2.3.2J-MOGLS 54

2.3.3M-PAES 56

2.3.4多目标混沌进化算法 57

2.4协同多目标进化算法 61

2.5动态多目标进化算法 68

2.5.1IMOEA 68

2.5.2动态MOEA(DMOEA) 72

2.6并行多目标进化算法 80

2.6.1并行多目标进化算法的基本原理 80

2.6.2多分辨率多目标遗传算法 83

2.6.3并行单前端遗传算法 85

2.7其他多目标进化算法 91

2.7.1高维多目标优化的NSGA2改进算法 91

2.7.2动态多目标优化的进化算法 95

2.8结论与展望 99

参考文献 99

第3章 多目标粒子群算法 105

3.1基本原理 105

3.2典型多目标粒子群算法 106

3.2.1CMOPSO 106

3.2.2多目标全面学习粒子群算法 111

3.2.3Pareto档案多目标粒子群优化 115

3.3多目标混合粒子群算法 120

3.3.1模糊多目标粒子群算法 120

3.3.2基于分散搜索的多目标混合粒子群算法 129

3.4交互粒子群算法 133

3.5结论 142

参考文献 142

第4章 其他多目标智能优化算法 145

4.1多目标模拟退火算法 145

4.2多目标蚁群算法 150

4.2.1连续优化问题的多目标蚁群算法 150

4.2.2组合优化问题的多目标蚁群算法 154

4.3多目标免疫算法 158

4.4多目标差分进化算法 169

4.5多目标分散搜索 175

4.6结论 184

参考文献 185

第5章 人工神经网络优化 188

5.1Pareto进化神经网络 188

5.2径向基神经网络优化与设计 194

5.3递归神经网络优化与设计 208

5.4模糊神经网络多目标优化 217

5.5结论 222

参考文献 223

第6章 交通与物流系统优化 225

6.1物流配送路径优化 225

6.1.1多目标车辆路径优化 225

6.1.2多目标随机车辆路径优化 232

6.2城市公交路线网络优化 240

6.3公共交通调度 248

6.3.1概述 248

6.3.2多目标驾驶员调度 249

6.4结论 257

参考文献 257

第7章 多目标生产调度 261

7.1生产调度描述 261

7.1.1车间调度问题 262

7.1.2间隙生产调度 263

7.1.3动态生产调度 264

7.1.4批处理机调度和E/T调度 265

7.2生产调度的表示方法 266

7.3基于进化算法的多目标车间调度 270

7.3.1多目标流水车间调度 271

7.3.2多目标作业车间调度 277

7.4基于进化算法的多目标模糊调度 284

7.4.1模糊调度:Sakawa方法 285

7.4.2模糊作业车间调度:CMEA方法 288

7.5基于进化算法的多目标柔性调度 291

7.5.1混合遗传调度方法 291

7.5.2混合遗传算法 296

7.6基于粒子群优化的多目标调度 300

7.6.1基于粒子群优化的多目标作业车间调度 301

7.6.2多目标柔性调度的混合粒子群方法 308

7.7多目标随机调度 315

7.8结论与展望 321

参考文献 322

第8章 电力系统优化及其他 328

8.1电力系统优化 328

8.1.1基于免疫算法的多目标无功优化 328

8.1.2基于分层优化的多目标电网规划 335

8.1.3基于NSGA2及协同进化的多目标电网规划 340

8.2多播QoS路由优化 344

8.3单元制造系统设计 351

8.3.1概述 351

8.3.2基于禁忌搜索的多目标单元构造 352

8.3.3基于并行禁忌搜索的多目标单元构造 360

8.4自动控制系统设计 365

8.4.1概述 365

8.4.2混合动力学系统控制 367

8.4.3鲁棒PID控制器设计 370

8.5结论 380

参考文献 381

附录 部分测试函数 386

相关图书
作者其它书籍
返回顶部