差分进化算法及其高维多目标优化应用PDF电子书下载

第1章 绪论 1

1.1引言 1

1.2差分进化算法研究现状 3

1.2.1差分进化算法研究数据统计 3

1.2.2差分进化算法理论及应用研究概况 5

参考文献 7

第2章 差分进化算法概述 12

2.1引言 12

2.2差分进化算法基本原理 12

2.2.1算法原理及关键步骤 12

2.2.2算法框架及流程 16

2.3差分进化算法优化策略及其对算法的影响 17

2.3.1变异策略及其对算法的影响 18

2.3.2交叉策略及其对算法的影响 19

2.4差分进化算法的参数分析及设置 20

2.5差分进化算法的收敛性分析 22

2.5.1差分进化算法的随机过程描述 22

2.5.2差分进化算法的收敛性定义 23

2.6本章小结 23

参考文献 24

第3章 基于分类变异策略的自适应差分进化算法 26

3.1引言 26

3.2基于分类策略的新变异方法 27

3.2.1新DE变异策略DE/rand-to-best/pbest 27

3.2.2分类策略 28

3.3新参数自适应调整策略 29

3.4实验测试及结果分析 31

3.4.1测试函数选择 31

3.4.2比较算法选择 32

3.4.3算法比较策略及准则 33

3.4.4算法比较结果及分析 33

3.5本章小结 48

参考文献 49

第4章 基于DE算法的人脑PET图像目标边缘检测 51

4.1引言 51

4.2传统Snake模型及GVF Snake模型 52

4.3结合p-ADE算法的GVF Snake模型实现PET图像目标边缘检测 54

4.4实验测试及结果分析 58

4.5本章小结 61

参考文献 62

第5章 基于DE算法的电子商务多边多议题协商 63

5.1引言 63

5.2基于多Agent的多边多议题协商 64

5.3 p-ADE算法在合作环境下多边多议题协商中的应用 66

5.3.1基于p-ADE算法的多Agent协商协议 66

5.3.2基于p-ADE算法的多Agent协商策略 67

5.4实验测试及结果分析 69

5.5本章小结 72

参考文献 72

第6章 基于精英策略的改进多目标自适应DE算法 74

6.1引言 74

6.2多目标优化问题的数学描述 76

6.3多目标进化算法的研究现状 78

6.4精英SDEMO算法 80

6.4.1精英多目标进化算法模型 81

6.4.2 SDEMO算法精英选择策略改进 84

6.4.3 SDEMO算法密度估计方法改进 84

6.4.4 SDEMO算法中DE算法变异策略改进 85

6.4.5 SDEMO算法中DE算法参数自适应方法改进 86

6.4.6 SDEMO算法流程 87

6.5实验测试及结果分析 87

6.5.1测试函数及性能评价标准 88

6.5.2测试结果及分析 90

6.6本章小结 95

参考文献 96

第7章 高维多目标进化算法概述 100

7.1引言 100

7.2高维多目标进化算法研究进展 101

7.2.1算法模型框架的国内外研究现状及分析 102

7.2.2精英选择策略的国内外研究现状及分析 103

7.2.3多目标分解的国内外研究现状及分析 104

7.3高维多目标进化算法的标准测试函数 105

7.4高维多目标进化算法的性能指标 109

7.4.1收敛性评价指标 109

7.4.2分布性评价指标 110

7.4.3综合性评价指标 112

7.5高维多目标进化算法关键技术 112

7.6本章小结 114

参考文献 115

第8章 基于改进K支配的高维多目标差分进化算法 118

8.1引言 118

8.2 K支配关系及排序方法改进 119

8.2.1 K支配关系改进及参数确定 120

8.2.2 K支配等级排序方法改进 121

8.3基于参考点的拥挤密度估计方法改进 122

8.4个体适应度值评价方法改进 123

8.5 CAO局部搜索 124

8.6实验测试及结果分析 125

8.7本章小结 129

参考文献 129

第9章 基于全局排序的高维多目标差分进化算法 131

9.1引言 131

9.2高维多目标优化支配排序方法 132

9.3全局排序高维多目标差分进化算法概述 133

9.3.1高维多目标优化全局排序策略 134

9.3.2高维多目标优化全局密度估计 139

9.3.3高维多目标优化个体适应度值评价 140

9.3.4 GR-MODE算法流程 140

9.4实验测试及结果分析 141

9.5本章小结 143

参考文献 143

第10章 基于高维多目标优化的城市智能化动态停车诱导 146

10.1引言 146

10.2城市PGS 147

10.2.1城市PGS及核心关键技术 147

10.2.2城市PGS研究现状 147

10.3高维多目标智能停车场及路径诱导模型 150

10.3.1出行前静态的高维多目标停车场及路径诱导模型 151

10.3.2出行中动态的高维多目标停车场及路径诱导模型 152

10.4高维多目标智能停车场及路径诱导算法 154

10.4.1基于KS-MODE算法的高维多目标智能停车场诱导算法 154

10.4.2基于DE算法的单目标最优路径诱导算法 156

10.5实验测试及结果分析 157

10.5.1出行前静态停车场选择及路径诱导结果 162

10.5.2出行中动态停车场选择及路径诱导结果 164

10.6本章小结 167

参考文献 167

第11章 基于高维多目标优化的道路交叉口信号控制 169

11.1引言 169

11.2交叉口混合交通流信号控制指标 170

11.3交叉口信号高维多目标优化智能控制模型 174

11.3.1高维多目标优化信号控制模型建立 174

11.3.2高维多目标优化信号控制模型求解 175

11.4实验测试及结果分析 176

11.5本章小结 178

参考文献 179

附录 180

名词索引 183