第1章 多目标粒子群优化入门 1
1.1 多目标优化问题 1
1.1.1 基本概念 1
1.1.2 经典多目标求解方法 3
1.1.3 多目标进化优化方法 4
1.2 粒子群优化算法 6
1.2.1 算法的起源及发展 6
1.2.2 算法的基本原理 7
1.2.3 算法参数 8
1.2.4 粒子群拓扑 10
1.3 多目标粒子群优化算法 11
1.3.1 外部储备集 13
1.3.2 粒子引导者的更新或选择 13
1.3.3 粒子群多样性 14
1.3.4 其他研究成果 15
1.4 主要内容及组织 15
1.5 本章小结 18
参考文献 18
第2章 基于最小角度的粒子引导者选择策略 25
2.1 研究动机 25
2.2 基于最小角度的粒子全局引导者选择 26
2.3 基于粒子浓度的个体引导者更新 27
2.3.1 所提粒子个体引导者更新策略 27
2.3.2 进一步解释 28
2.4 基于最小角度的多目标粒子群优化算法 29
2.5 在数值函数优化问题中的应用 30
2.5.1 测试函数及参数设置 30
2.5.2 性能比较测度 31
2.5.3 实验结果及分析 32
2.6 本章小结 36
参考文献 36
第3章 外部储备集的两阶段更新策略 38
3.1 研究动机 38
3.2 外部储备集的更新 40
3.2.1 基本思想 40
3.2.2 两阶段转化条件及网格划分阈值的确定 41
3.2.3 网格划分方法 42
3.2.4 两阶段储备集更新步骤 42
3.3 外部储备集候选点的选取 43
3.3.1 基本思想 43
3.3.2 储备集候选点选取机制 44
3.3.3 进一步解释 44
3.4 基于两阶段储备集更新的多目标粒子群优化算法 45
3.5 在数值函数优化问题中的应用 46
3.5.1 测试函数及参数设置 46
3.5.2 储备集更新策略分析 47
3.5.3 储备集候选点选取机制分析 50
3.6 本章小结 51
参考文献 52
第4章 少控制参数的多目标骨干粒子群优化 53
4.1 研究动机 53
4.2 传统骨干粒子群优化算法 54
4.3 多目标骨干粒子群优化 55
4.3.1 初始化 55
4.3.2 粒子个体引导者的更新 55
4.3.3 粒子全局引导者的选择 55
4.3.4 粒子位置的更新 57
4.3.5 时变变异 57
4.3.6 外部储备集的更新 59
4.3.7 复杂性分析 59
4.4 在数值函数优化问题中的应用 59
4.4.1 测试函数 59
4.4.2 性能测度 61
4.4.3 比较算法 61
4.4.4 仿真结果及其分析 62
4.5 本章小结 73
参考文献 73
第5章 基于目标分割的多种群协同粒子群进化 75
5.1 研究动机 75
5.2 所提多目标粒子群优化算法 76
5.2.1 面向从种群的改进粒子群优化方法 77
5.2.2 局部版多目标粒子群优化方法 79
5.3 在数值函数优化问题中的应用 79
5.3.1 准备工作 80
5.3.2 仿真结果及其分析 80
5.4 关键算子分析 87
5.4.1 局部版多目标粒子群优化方法的作用 87
5.4.2 类半径的作用 88
5.5 本章小结 90
参考文献 90
第6章 用于约束优化的多目标骨干粒子群优化算法 92
6.1 研究动机 92
6.2 约束多目标骨干粒子群优化算法 93
6.2.1 含约束支配关系 93
6.2.2 粒子个体引导者的更新 94
6.2.3 可行和非可行储备集的更新 94
6.2.4 粒子全局引导者的选择 95
6.2.5 算法步骤 96
6.3 在数值函数优化问题中的应用 97
6.3.1 测试函数 97
6.3.2 实验框架 99
6.3.3 比较结果及分析 100
6.4 本章小结 105
参考文献 105
第7章 基于概率支配的区间多目标粒子群优化算法 107
7.1 研究动机 107
7.2 相关工作 109
7.2.1 基本概念 109
7.2.2 用于区间多目标优化问题的进化优化 110
7.3 所提区间多目标粒子群优化算法 112
7.3.1 Pareto概率支配 112
7.3.2 外部储备集的更新 115
7.3.3 粒子个体引导者的更新 117
7.3.4 粒子全局引导者的选择 117
7.3.5 算法步骤 119
7.4 在数值函数优化问题中的应用 120
7.4.1 测试问题 120
7.4.2 参数设置 121
7.4.3 算法性能测度 121
7.4.4 储备集更新策略的可行性分析 122
7.4.5 性能比较 122
7.5 本章小结 125
参考文献 126
第8章 面向异质数据的多目标粒子群特征选择方法 128
8.1 研究背景 128
8.2 相关工作 129
8.2.1 传统的特征选择方法 130
8.2.2 基于进化优化的特征选择方法 132
8.3 问题建模 133
8.4 所提多目标粒子群特征选择方法 134
8.4.1 粒子编码 134
8.4.2 储备集的更新 135
8.4.3 粒子全局引导者的选择 135
8.4.4 粒子扰动 137
8.4.5 算法步骤 137
8.5 实例分析 138
8.5.1 粒子全局引导者选择方法分析 138
8.5.2 粒子扰动策略分析 139
8.5.3 对比实验及分析 139
8.6 本章小结 143
参考文献 143
第9章 面向不确定机器人全局路径规划的多目标粒子群优化方法 147
9.1 研究背景 147
9.2 问题建模 148
9.2.1 环境建模 149
9.2.2 路径性能指标 149
9.2.3 优化目标 152
9.3 所提约束多目标粒子群优化方法 152
9.3.1 粒子编码 152
9.3.2 含约束支配关系 152
9.3.3 粒子个体引导者的更新 153
9.3.4 储备解的更新 153
9.3.5 粒子全局引导者的选择 153
9.3.6 粒子位置的更新 154
9.3.7 算法步骤 155
9.4 实例分析 156
9.4.1 实例1 156
9.4.2 实例2 159
9.4.3 实例 3 163
9.5 本章小结 167
参考文献 167
第10章 面向区间收益多项目选址的粒子群优化方法 169
10.1 研究背景 169
10.2 问题建模 170
10.3 模型的精确化 171
10.3.1 P-可信度指标 172
10.3.2 MLP-2模型的精确化 173
10.4 基于对换变异的粒子群优化求解方法 175
10.4.1 粒子编码 175
10.4.2 粒子解码 176
10.4.3 对换变异 176
10.4.4 算法步骤 177
10.5 实例分析 178
10.5.1 问题描述及算法参数设置 178
10.5.2 精确化方法的可行性分析 182
10.5.3 所提算法的性能分析 183
10.6 本章小结 184
参考文献 185
附录部分 多目标粒子群优化算法源程序 187
附录A 基本粒子群优化算法源程序 187
附录B 第4章多目标骨干粒子群优化算法源程序 189
附录C 第9章多目标粒子群机器人路径规划方法源程序 203