目录 1
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
1.3.1全局优化 21
1.3遗传优化 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
3.2多目标优化的基本概念 76
第3章 多目标优化问题 76
3.1 引言 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
3.5.1 Pareto排序方法 92
3.5 Pareto排序和竞争方法 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
4.1 引言 109
4.2模糊线性规划 109
第4章模糊优化问题 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
4.5.1问题描述 138
4.5模糊多目标整数规划 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
5.3.1双目标网络拓扑设计 160
5.3基于树的网络可靠性和局域网设计 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MSF的遗传算法 220
6.6.3数值例子 223
7.1.1运输模型 226
7.1引言 226
第7章高级运输问题 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
7.4.1数学模型 242
7.4固定费用运输问题 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
8.1引言 258
8.2最短路径问题 258
第8章 网络设计与路径 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
8.4.1问题的描述 275
8.4集中式网络设计 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