多目標(biāo)優(yōu)化免疫算法、理論和應(yīng)用

《智能科學(xué)技術(shù)著作叢書》序
前言
第1章 多目標(biāo)優(yōu)化研究進(jìn)展
1.1 多目標(biāo)優(yōu)化問(wèn)題
1.2 多目標(biāo)優(yōu)化問(wèn)題的數(shù)學(xué)模型
1.3 多目標(biāo)優(yōu)化算法
1.3.1 古典的多目標(biāo)優(yōu)化方法
1.3.2 基于進(jìn)化算法的多目標(biāo)優(yōu)化方法
1.3.3 基于粒子群的多目標(biāo)優(yōu)化方法
1.3.4 基于協(xié)同進(jìn)化的多目標(biāo)優(yōu)化方法
1.3.5 基于人工免疫系統(tǒng)的多目標(biāo)優(yōu)化方法
1.3.6 基于分布估計(jì)的多目標(biāo)優(yōu)化方法
1.4 多目標(biāo)優(yōu)化的研究趨勢(shì)
1.4.1 新型占優(yōu)機(jī)制研究
1.4.2 高維多目標(biāo)優(yōu)化的研究
1.4.3 動(dòng)態(tài)多目標(biāo)優(yōu)化的研究
1.4.4 多目標(biāo)優(yōu)化測(cè)試問(wèn)題研究
1.5 多目標(biāo)優(yōu)化算法的設(shè)計(jì)目標(biāo)
參考文獻(xiàn)
第2章 人工免疫系統(tǒng)基礎(chǔ)
2.1 進(jìn)化計(jì)算的基礎(chǔ)
2.1.1 進(jìn)化計(jì)算的生物學(xué)基礎(chǔ)
2.1.2 進(jìn)化算法的一般框架及特點(diǎn)
2.1.3 進(jìn)化算法的主要分支
2.1.4 進(jìn)化算法研究進(jìn)展
2.2 生物免疫系統(tǒng)
2.2.1 生物免疫學(xué)和免疫的基本概念
2.2.2 免疫分類
2.2.3 免疫系統(tǒng)及其功能
2.3 生物免疫系統(tǒng)的兩個(gè)重要學(xué)說(shuō)
2.3.1 克隆選擇學(xué)說(shuō)
2.3.2 免疫網(wǎng)絡(luò)學(xué)說(shuō)
2.4 人工免疫系統(tǒng)
2.4.1 人工免疫系統(tǒng)研究歷史和現(xiàn)狀
2.4.2 人工免疫系統(tǒng)模型
2.4.3 人工免疫系統(tǒng)算法
參考文獻(xiàn)
第3章 多目標(biāo)優(yōu)化算法的收斂性及性能度量
3.1 多目標(biāo)優(yōu)化算法的收斂性
3.1.1 概述
3.1.2 全局收斂性的特征
3.1.3 Pareto-最優(yōu)解集的特征
3.1.4 多目?jī)?yōu)化算法的收斂性
3.2 多目標(biāo)優(yōu)化算法的性能度量
3.2.1 概述
3.2.2 常見的性能度量方法
3.2.3 改進(jìn)的性能度量方法
3.3 本章小結(jié)
參考文獻(xiàn)
第4章 免疫克隆選擇多目標(biāo)優(yōu)化算法
4.1 引言
4.2 算法設(shè)計(jì)與實(shí)現(xiàn)
4.2.1 算法流程圖
4.2.2 初始化
4.2.3 免疫克隆操作
4.2.4 免疫基因操作
4.2.5 克隆選擇操作
4.2.6 抗體群更新操作
4.2.7 NICA用于求解多目標(biāo)優(yōu)化問(wèn)題
4.3 算法的復(fù)雜度分析
4.4 算法的性能度量指標(biāo)
4.5 仿真結(jié)果及其分析
4.5.1 測(cè)試問(wèn)題
4.5.2 算法的參數(shù)選擇和分析
4.5.3 仿真結(jié)果分析
4.6 本章小結(jié)
參考文獻(xiàn)
第5章 免疫克隆多目標(biāo)優(yōu)化算法求解約束優(yōu)化問(wèn)題
5.1 引言
5.2 問(wèn)題定義
5.3 約束處理技術(shù)
5.3.1 已有的約束處理技術(shù)
5.3.2 本章使用的約束處理方法
5.4 算法設(shè)計(jì)與實(shí)現(xiàn)
5.4.1 免疫和克隆選擇
5.4.2 克隆操作
5.4.3 免疫基因操作
5.4.4 求解約束優(yōu)化問(wèn)題的免疫克隆多目標(biāo)優(yōu)化算法
5.5 算法的收斂性分析
5.6 算法的復(fù)雜度分析
5.7 實(shí)驗(yàn)結(jié)果與分析
5.7.1 測(cè)試問(wèn)題
5.7.2 測(cè)試結(jié)果及性能分析
5.8 本章小結(jié)
參考文獻(xiàn)
第6章 免疫記憶克隆算法用于求解約束多目標(biāo)優(yōu)化問(wèn)題
6.1 引言
6.2 約束多目標(biāo)優(yōu)化問(wèn)題的數(shù)學(xué)模型
6.3 用于約束多目標(biāo)優(yōu)化的免疫記憶克隆算法
6.3.1 約束條件的處理方法
6.3.2 免疫記憶克隆
6.3.3 免疫克隆重組操作
6.3.4 免疫克隆變異操作
6.3.5 免疫記憶克隆約束多目標(biāo)優(yōu)化
6.4 算法的特點(diǎn)分析
6.5 算法的復(fù)雜度分析
6.6 性能度量指標(biāo)
6.7 實(shí)驗(yàn)結(jié)果與分析
6.7.1 測(cè)試問(wèn)題
6.7.2 算法的參數(shù)選擇和分析
6.7.3 測(cè)試結(jié)果及性能分析
6.8 本章小結(jié)
參考文獻(xiàn)
第7章 免疫克隆算法求解動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題
7.1 引言
7.2 動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題
7.3 算法設(shè)計(jì)與實(shí)現(xiàn)
7.3.1 免疫克隆選擇算子
7.3.2 非一致性變異算子
7.3.3 抗體群更新算子
7.3.4 動(dòng)態(tài)多目標(biāo)免疫克隆優(yōu)化算法
7.4 算法的性能分析
7.5 算法的復(fù)雜度分析
7.6 實(shí)驗(yàn)結(jié)果與分析
7.6.1 收斂測(cè)度
7.6.2 測(cè)試問(wèn)題
7.6.3 測(cè)試結(jié)果及性能分析
7.7 本章小結(jié)
參考文獻(xiàn)
第8章 基于免疫優(yōu)勢(shì)克隆選擇的多目標(biāo)組合優(yōu)化
8.1 引言
8.2 典型多目標(biāo)優(yōu)化問(wèn)題的數(shù)學(xué)模型
8.3 用于多目標(biāo)組合優(yōu)化問(wèn)題的免疫優(yōu)勢(shì)克隆選擇算法
8.3.1 基本定義
8.3.2 免疫優(yōu)勢(shì)獲得操作
8.3.3 免疫優(yōu)勢(shì)克隆操作
8.3.4 免疫優(yōu)勢(shì)選擇操作
8.3.5 免疫優(yōu)勢(shì)克隆選擇算法
8.4 算法機(jī)理分析
8.4.1 算法的機(jī)理
8.4.2 算法的復(fù)雜度分析
8.5 性能評(píng)價(jià)指標(biāo)
8.6 IDCMA求解背包問(wèn)題
8.6.1 多目標(biāo)0／1背包問(wèn)題的數(shù)學(xué)模型
8.6.2 約束處理
……
第9章 基于免疫克隆優(yōu)化的多目標(biāo)聚類
第10章 求解多目標(biāo)化的非支配近鄰免疫算法
第11章 求解偏好多目標(biāo)優(yōu)化的偏好等級(jí)免疫記憶克隆選擇算法
第12章 多目標(biāo)優(yōu)化問(wèn)題的多智能體社會(huì)進(jìn)化算法
第13章 量子免疫克隆多目標(biāo)優(yōu)化算法
參考文獻(xiàn)