遗传算法与工程优化PDF电子书下载

第1章 遗传算法的基础 1

1.1 引言 1

1.1.1 编码问题 2

1.1.2 遗传算子 6

1.1.3 选择 7

1.1.4 遗传局部搜索 9

1.2 遗传算法的适应性 11

1.2.1 结构适应性 12

1.2.2 参数适应性 13

1.2.3 模糊逻辑控制器 14

1.3 遗传优化 21

1.3.1 全局优化 21

1.3.2 约束优化 26

1.3.3 组合优化 29

1.3.4 多目标优化 30

1.4 近期遗传算法的论文 30

第2章 组合优化问题 41

2.1 引言 41

2.2 集覆盖问题 41

2.2.1 航线机组成员调度问题 43

2.2.2 遗传表示 44

2.2.3 遗传算子 45

2.2.4 遗传算法 47

2.2.5 计算经验 47

2.3 装箱问题 48

2.3.1 启发式算法 49

2.3.2 遗传表示 50

2.3.3 遗传算子 52

2.3.4 适应值函数 53

2.3.5 初始化种群 54

2.3.6 计算经验 54

2.4 背包问题 55

2.4.1 多选择背包问题 56

2.4.2 多约束背包问题 60

2.5 最小生成树问题 63

2.5.1 二次最小生成树问题 64

2.5.2 度约束的最小生成树问题 67

2.5.3 双目标最小生成树问题 71

第3章 多目标优化问题 76

3.1 引言 76

3.2 多目标优化的基本概念 76

3.2.1 非支配解 77

3.2.2 偏好结构 78

3.2.3 基本求解方法 79

3.2.4 问题的结构和特性 82

3.3 遗传多目标优化 83

3.3.1 遗传搜索的特征 83

3.3.2 适应值分配机制 83

3.3.3 适应值共享和种群多样性 86

3.3.4 Pareto解的概念 88

3.4 向量评价遗传算法 89

3.5 Pareto排序和竞争方法 92

3.5.1 Pareto排序方法 92

3.5.2 Pareto竞争方法 94

3.6 权重和方法 95

3.6.1 随机权重方法 95

3.6.2 适应性权重方法 97

3.7 距离方法 100

3.7.1 距离方法的一般思想 100

3.7.2 计算距离度量 102

3.7.3 距离方法的应用 104

3.8 妥协方法 105

3.9 目标规划方法 106

第4章 模糊优化问题 109

4.1 引言 109

4.2 模糊线性规划 109

4.2.1 模糊线性规划模型 110

4.2.2 遗传算法方法 114

4.2.3 交互式方法 116

4.2.4 数值例子 118

4.3 模糊非线性规划 120

4.3.1 非线性规划模型 120

4.3.2 用于求解FO/RNP-1的非精确方法 123

4.3.3 交互式方法 125

4.3.4 数值例子 126

4.4 模糊非线性混合整数目标规划 128

4.4.1 模糊非线性混合整数目标规划模型 128

4.4.2 遗传算法方法 130

4.4.3 数值例子 132

4.5 模糊多目标整数规划 138

4.5.1 问题描述 138

4.5.2 增广的最小最大问题 140

4.5.3 遗传算法方法 140

4.5.4 交互式模糊满意方法 143

4.5.5 数值例子 144

第5章 可靠性设计问题 148

5.1 引言 148

5.2 网络可靠性设计 148

5.2.1 问题描述 150

5.2.2 Dengiz,Altiparmak和Smith的方法 150

5.2.3 Deeter和Smith的方法 155

5.3 基于树的网络可靠性和局域网设计 160

5.3.1 双目标网络拓扑设计 160

5.3.2 数值例子 166

5.4 多目标可靠性设计 169

5.4.1 双目标可靠性设计 169

5.4.2 遗传算法方法 169

5.4.3 混合遗传算法方法 171

5.4.4 带有模糊目标的可靠性设计 174

第6章 调度问题 178

6.1 引言 178

6.2 作业车间调度 178

6.2.1 基本方法 179

6.2.2 编码 179

6.2.3 适应性遗传算子 180

6.2.4 以启发式方法为特点的遗传算子 183

6.2.5 混合遗传算法 185

6.2.6 讨论 191

6.3 群体作业调度问题 192

6.3.1 问题的描述和必要条件 192

6.3.2 基本运行 194

6.3.3 表示 196

6.3.4 评价 197

6.3.5 遗传算子 197

6.3.6 整体过程 197

6.3.7 数值例子 198

6.4 资源约束的项目调度 200

6.4.1 基于优先权的编码 202

6.4.2 遗传算子 205

6.4.3 评价与选择 207

6.4.4 试验结果 208

6.5 并行机器调度 211

6.5.1 支配条件 212

6.5.2 Memetic算法 216

6.5.3 试验结果 218

6.6 多处理器调度问题 220

6.6.1 问题描述与假设 220

6.6.2 求解MSP的遗传算法 220

6.6.3 数值例子 223

第7章 高级运输问题 226

7.1 引言 226

7.1.1 运输模型 226

7.1.2 运输问题的构造 227

7.2 基于生成树的方法 230

7.2.1 树的表示 231

7.2.2 初始化 233

7.2.3 遗传运算 234

7.2.4 评价与选择 234

7.2.5 整个算法过程 235

7.3 多目标运输问题 236

7.3.1 问题的描述 236

7.3.2 多目标运输问题的基于生成树的遗传算法 237

7.3.3 数例 239

7.4 固定费用运输问题 242

7.4.1 数学模型 242

7.4.2 fcTP问题的难点 243

7.4.3 fcTP的求解方法 243

7.4.4 遗传算法的实现 244

7.4.5 数例 244

7.5 容量限制的工厂选址问题 246

7.5.1 数学模型 247

7.5.2 针对工厂问题的基于生成树的遗传算法 248

7.5.3 数例 249

7.6 带模糊系数的双目标运输问题 250

7.6.1 问题的表述 251

7.6.2 排序模糊数 251

7.6.3 遗传算法的实现 252

7.6.4 数例 254

第8章 网络设计与路径 258

8.1 引言 258

8.2 最短路径问题 258

8.2.1 问题描述 259

8.2.2 遗传算法的方法 260

8.2.3 数例 265

8.3 有适应能力的网络路由 266

8.3.1 基于遗传算法的有适应能力的路由 267

8.3.2 染色体表示 267

8.3.3 染色体评价 268

8.3.4 遗传算子 268

8.3.5 数例 272

8.4 集中式网络设计 275

8.4.1 问题的描述 275

8.4.2 遗传算法 276

8.4.3 数例 277

8.5 计算机网络扩展 278

8.5.1 问题描述 278

8.5.2 Kumar,Pathak和Gupta的方法 279

8.5.3 数例 281

8.6 多阶段工序计划 282

8.6.1 问题的描述 282

8.6.2 遗传算法 283

8.6.3 数例 284

8.7 网络上的M/G/s队列设备定位 285

8.7.1 问题的描述 286

8.7.2 进化计算方法 289

8.7.3 数例 291

第9章 制造元设计 294

9.1 引言 294

9.2 制造元设计 295

9.3 传统的制造元设计方法 296

9.3.1 相似系数方法 297

9.3.2 基于数组的方法 297

9.3.3 数学规划方法 298

9.3.4 图与网络方法 298

9.4 遗传算法方法 299

9.4.1 遗传子表示和遗传算子 299

9.4.2 Joines基于次序的方法 301

9.4.3 Moon和Kim的方法 304

9.4.4 Joines的整数规划方法 310

9.4.5 其他方法 315

9.5 可选加工计划的制造元设计 316

9.5.1 可选操作和机器冗余的结合 317

9.5.2 可选路径的结合 320

9.5.3 Moon,Gen和Kim的对于独立单元的方法 325

9.6 独立单元的设计 330

9.6.1 机器类型数最小化的族群构造 330

9.6.2 族群数的确定 334

9.6.3 极小化机器数 337

9.6.4 其他设想 338

参考文献 339

索引 381