差分進化算法及其高維多目標優(yōu)化應用

定　價：￥88.00

作　者：	肖婧，許小可，張永建，劉丹鳳著
出版社：	人民郵電出版社
叢編項：	信息與通信創(chuàng)新學術專著
標　簽：	科學與自然數(shù)學

購買這本書可以去

京東 (￥66.00)

ISBN：	9787115448545	出版時間：	2018-02-01	包裝：	平裝
開本：	小16開	頁數(shù)：	185	字數(shù)：

內容簡介

　　本書從群智能優(yōu)化算法和高維多目標優(yōu)化兩方面入手，一方面系統(tǒng)地介紹了差分進化算法的基本原理及國內外研究現(xiàn)狀，通過分析算法的模型、關鍵步驟及參數(shù)設置，設計和構建了高性能的改進算法，并將其應用于醫(yī)學圖像處理、電子商務等實際工程領域；另一方面，深入分析了高維多目標優(yōu)化算法的基本原理、國內外研究現(xiàn)狀及關鍵技術難點，詳細描述了基于差分進化算法的高維多目標優(yōu)化算法設計、構建與實驗分析，以及其在智能交通系統(tǒng)中的實際應用。本書取材新穎、內容翔實、覆蓋面廣，案例分析具有較強的可重復性和可執(zhí)行性，不僅適合于初學者，也適合自動化、計算機、信息科學等相關專業(yè)的高年級本科生和研究生、進化計算及高維多目標優(yōu)化研究愛好者以及工程優(yōu)化人員等。

作者簡介

　　肖婧研究方向：智能信息處理、復雜網絡講授課程：網絡科學理論與應用、算法分析與設計圖書出版：《信息智能處理技術》電子工業(yè)出版社，***熱銷商品排名：圖書商品里排第976，385名。中國石油大學、深圳大學等高校碩士研究生教材

圖書目錄

第 1章緒論 1
1．1　引言 1
1．2 差分進化算法研究現(xiàn)狀 3
1．2．1 差分進化算法研究數(shù)據(jù)統(tǒng)計 3
1．2．2 差分進化算法理論及應用研究概況 5
參考文獻 7
第 2章差分進化算法概述 12
2．1 引言 12
2．2 差分進化算法基本原理 12
2．2．1 算法原理及關鍵步驟 12
2．2．2 算法框架及流程 16
2．3 差分進化算法優(yōu)化策略及其對算法的影響 17
2．3．1 變異策略及其對算法的影響 18
2．3．2 交叉策略及其對算法的影響 19
2．4 差分進化算法的參數(shù)分析及設置 20
2．5 差分進化算法的收斂性分析 22
2．5．1 差分進化算法的隨機過程描述 22
2．5．2 差分進化算法的收斂性定義 23
2．6 本章小結 23
參考文獻 24
第3章基于分類變異策略的自適應差分進化算法 26
3．1 引言 26
3．2 基于分類策略的新變異方法 27
3．2．1 新DE變異策略DE/rand-to-best/pbest 27
3．2．2 分類策略 28
3．3 新參數(shù)自適應調整策略 29
3．4 實驗測試及結果分析 31
3．4．1 測試函數(shù)選擇 31
3．4．2 比較算法選擇 32
3．4．3 算法比較策略及準則 33
3．4．4 算法比較結果及分析 33
3．5 本章小結 48
參考文獻 49
第4章基于DE算法的人腦PET圖像目標邊緣檢測 51
4．1 引言 51
4．2 傳統(tǒng)Snake模型及GVF Snake模型 52
4．3 結合p-ADE算法的GVF Snake模型實現(xiàn)PET圖像目標邊緣檢測 54
4．4 實驗測試及結果分析 58
4．5 本章小結 61
參考文獻 62
第5章基于DE算法的電子商務多邊多議題協(xié)商 63
5．1 引言 63
5．2 基于多Agent的多邊多議題協(xié)商 64
5．3 p-ADE算法在合-作環(huán)境下多邊多議題協(xié)商中的應用 66
5．3．1 基于p-ADE算法的多Agent協(xié)商協(xié)議 66
5．3．2 基于p-ADE算法的多Agent協(xié)商策略 67
5．4 實驗測試及結果分析 69
5．5 本章小結 72
參考文獻 72
第6章基于精英策略的改進多目標自適應DE算法 74
6．1 引言 74
6．2 多目標優(yōu)化問題的數(shù)學描述 76
6．3 多目標進化算法的研究現(xiàn)狀 78
6．4 精英SDEMO算法 80
6．4．1 精英多目標進化算法模型 81
6．4．2 SDEMO算法精英選擇策略改進 84
6．4．3 SDEMO算法密度估計方法改進 84
6．4．4 SDEMO算法中DE算法變異策略改進 85
6．4．5 SDEMO算法中DE算法參數(shù)自適應方法改進 86
6．4．6 SDEMO算法流程 87
6．5 實驗測試及結果分析 87
6．5．1 測試函數(shù)及性能評價標準 88
6．5．2 測試結果及分析 90
6．6 本章小結 95
參考文獻 96
第7章高維多目標進化算法概述 100
7．1 引言 100
7．2 高維多目標進化算法研究進展 101
7．2．1 算法模型框架的國內外研究現(xiàn)狀及分析 102
7．2．2 精英選擇策略的國內外研究現(xiàn)狀及分析 103
7．2．3 多目標分解的國內外研究現(xiàn)狀及分析 104
7．3 高維多目標進化算法的標準測試函數(shù) 105
7．4 高維多目標進化算法的性能指標 109
7．4．1 收斂性評價指標 109
7．4．2 分布性評價指標 110
7．4．3 綜合性評價指標 112
7．5 高維多目標進化算法關鍵技術 112
7．6 本章小結 114
參考文獻 115
第8章基于改進K支配的高維多目標差分進化算法 118
8．1 引言 118
8．2 K支配關系及排序方法改進 119
8．2．1 K支配關系改進及參數(shù)確定 120
8．2．2 K支配等級排序方法改進 121
8．3 基于參考點的擁擠密度估計方法改進 122
8．4 個體適應度值評價方法改進 123
8．5 CAO局部搜索 124
8．6 實驗測試及結果分析 125
8．7 本章小結 129
參考文獻 129
第9章基于全局排序的高維多目標差分進化算法 131
9．1 引言 131
9．2 高維多目標優(yōu)化支配排序方法 132
9．3 全局排序高維多目標差分進化算法概述 133
9．3．1 高維多目標優(yōu)化全局排序策略 134
9．3．2 高維多目標優(yōu)化全局密度估計 139
9．3．3 高維多目標優(yōu)化個體適應度值評價 140
9．3．4 GR-MODE算法流程 140
9．4 實驗測試及結果分析 141
9．5 本章小結 143
參考文獻 143
第 10章基于高維多目標優(yōu)化的城市智能化動態(tài)停車誘導 146
10．1 引言 146
10．2 城市PGS 147
10．2．1 城市PGS及核心關鍵技術 147
10．2．2 城市PGS研究現(xiàn)狀 147
10．3 高維多目標智能停車場及路徑誘導模型 150
10．3．1 出行前靜態(tài)的高維多目標停車場及路徑誘導模型 151
10．3．2 出行中動態(tài)的高維多目標停車場及路徑誘導模型 152
10．4 高維多目標智能停車場及路徑誘導算法 154
10．4．1 基于KS-MODE算法的高維多目標智能停車場誘導算法 154
10．4．2 基于DE算法的單目標*優(yōu)路徑誘導算法 156
10．5 實驗測試及結果分析 157
10．5．1 出行前靜態(tài)停車場選擇及路徑誘導結果 162
10．5．2 出行中動態(tài)停車場選擇及路徑誘導結果 164
10．6 本章小結 167
參考文獻 167
第 11章基于高維多目標優(yōu)化的道路交叉口信號控制 169
11．1 引言 169
11．2 交叉口混合交通流信號控制指標 170
11．3 交叉口信號高維多目標優(yōu)化智能控制模型 174
11．3．1 高維多目標優(yōu)化信號控制模型建立 174
11．3．2 高維多目標優(yōu)化信號控制模型求解 175
11．4 實驗測試及結果分析 176
11．5 本章小結 178
參考文獻 179
附錄 180
名詞索引 183