第1章 遗传算法 1
1.1 遗传算法基础 1
1.1.1 遗传算法概述 1
1.1.2 编码 4
1.1.3 适值函数 4
1.1.4 遗传操作 6
1.1.5 应用于非线性最优化问题 8
1.2 遗传算法应用于组合优化问题的实例 17
1.2.1 配词问题 18
1.2.2 背包问题 29
1.3 混合遗传算法 43
1.3.1 ls-hGA 44
1.3.2 flc-hGA 45
1.4 参考文献 49
第2章 网络模型基础 51
2.1 最短路径模型 51
2.1.1 最短路径问题数学模型 52
2.1.2 基于优先级的遗传算法解法 54
2.1.3 数值计算 59
2.2 最大流量模型 63
2.2.1 最大流量问题的数学模型 64
2.2.2 基于优先级编码的遗传算法 66
2.2.3 数值计算 70
2.3 最小费用流模型 74
2.3.1 最小费用流问题的数学模型 75
2.3.2 基于优先级编码的遗传算法 77
2.3.3 数值计算 79
2.4 最小生成树模型 82
2.4.1 最小生成树问题的数学模型 83
2.4.2 基于PrimPred的遗传算法解法 86
2.4.3 数值计算 91
2.5 参考文献 93
第3章 物流网络模型 95
3.1 物流模型 95
3.1.1 配送计划模型 96
3.1.2 基于矩阵的遗传算法解法 100
3.1.3 基于生成树的遗传算法解法 106
3.1.4 数值计算 115
3.2 两阶段物流模型 116
3.2.1 两阶段物流模型 117
3.2.2 基于优先级的遗传算法解法 118
3.2.3 数值计算 123
3.3 车辆配送模型 126
3.3.1 多配送中心带时间窗的车辆配送模型 126
3.3.2 基于遗传算法的解法 131
3.3.3 数值计算 135
3.4 工厂—配送中心物流模型 137
3.4.1 P-DC物流网络数学模型 138
3.4.2 基于优先级的遗传算法解法 142
3.4.3 数值计算 145
3.5 参考文献 149
第4章 多目标遗传算法 150
4.1 多目标优化模型概要 150
4.1.1 多目标优化问题 151
4.1.2 Pareto最优解 151
4.2 多目标遗传算法概要 153
4.2.1 多目标遗传算法的处理过程 154
4.2.2 向量评价遗传算法 155
4.2.3 评价值共享 157
4.3 多目标遗传算法过程 158
4.3.1 Pareto排序评价方法 159
4.3.2 多目标函数加权和评价方法 161
4.3.3 多目标函数的加权及保存精英策略的引入 163
4.4 Pareto最优解的评价 168
4.4.1 参照解集S 168
4.4.2 求得的Pareto最优解数量｜Sj｜ 168
4.4.3 获得Pareto最优解个体数比例RNDS（Sj） 169
4.4.4 Pareto最优解集与参照解集间的距离D1R 169
4.4.5 各目标函数轴的最大值，最小值，平均值IMMA 170
4.5 多目标遗传算法的数值计算 170
4.5.1 数值计算实例1 170
4.5.2 数值计算实例2 176
4.6 参考文献 180
第5章 多目标网络模型 182
5.1 最小费用最大流量网络模型 182
5.1.1 最小费用最大流量网络的数学模型 184
5.1.2 基于优先级的遗传算法解法 185
5.1.3 数值计算 192
5.2 多目标供应链网络模型 199
5.2.1 多目标供应链网络数学模型 201
5.2.2 基于优先级的遗传算法求解 203
5.2.3 数值计算 206
5.3 生产物流系统网络模型 209
5.3.1 生产物流系统的数学模型 213
5.3.2 基于随机值的多阶段决策遗传算法的解法 215
5.3.3 数值计算 225
5.4 通信系统可靠性网络 233
5.4.1 系统瘫痪率和总成本最小化的数学模型建立 235
5.4.2 基于混合多目标遗传算法的解法 237
5.4.3 数值计算 241
5.5 参考文献 248