多目標(biāo)進(jìn)化優(yōu)化（精）

序言
前言
第1章 緒論
1．1 MOEA概述
1．2 MOEA的分類
1．2．1 按不同的進(jìn)化機(jī)制分類
1．2．2 按不同的決策方式分類
1．3 多目標(biāo)進(jìn)化優(yōu)化方法研究
1．4 MOEA理論研究
1．5 MOEA應(yīng)用研究
1．6 有待進(jìn)一步研究的課題
第2章 多目標(biāo)進(jìn)化優(yōu)化基礎(chǔ)
2．1 進(jìn)化算法
2．1．1 遺傳算法的基本流程
2．1．2 編碼
2．1．3 適用度評(píng)價(jià)
2．1．4 遺傳操作
2．2 多目標(biāo)優(yōu)化問題
2．3 多目標(biāo)進(jìn)化個(gè)體之間關(guān)系
2．4 基于Pareto的多目標(biāo)最優(yōu)解集
2．4．1 Pareto最優(yōu)解
2．4．2 Pareto最優(yōu)邊界
2．4．3 凸空間和凹空間
2．5 基于Pareto的多目標(biāo)進(jìn)化算法的一般框架
第3章 多目標(biāo)Pareto最優(yōu)解集構(gòu)造方法
3．1 構(gòu)造Pareto最優(yōu)解的簡單方法
3．1．1 Deb的非支配排序方法
3．1．2 用排除法構(gòu)造非支配集
3．2 用莊家法則構(gòu)造Pareto最優(yōu)解集
3．2．1 用莊家法則構(gòu)造非支配集的方法
3．2．2 正確性論證
3．2．3 時(shí)間復(fù)雜度分析
3．2．4 實(shí)例分析
3．2．5 實(shí)驗(yàn)結(jié)果
3．3 用擂臺(tái)賽法則構(gòu)造Pareto最優(yōu)解集
3．3．1 用擂臺(tái)賽法則構(gòu)造非支配集的方法
3．3．2 正確性論證及時(shí)間復(fù)雜度分析
3．3．3 實(shí)例分析
3．3．4 實(shí)驗(yàn)結(jié)果
3．4 用遞歸方法構(gòu)造Pareto最優(yōu)解集
3．5 用快速排序方法構(gòu)造Pareto最優(yōu)解集
3．5．1 個(gè)體之間的關(guān)系
3．5．2 用快速排序方法構(gòu)造非支配集
3．6 用改進(jìn)的快速排序方法構(gòu)造Pareto最優(yōu)解集
3．6．1 改進(jìn)的快速排序算法
3．6．2 實(shí)驗(yàn)結(jié)果
第4章 多目標(biāo)進(jìn)化群體的分布性
4．1 用小生境技術(shù)保持進(jìn)化群體的分布性
4．2 用信息熵保持進(jìn)化群體的分布性
4．3 用聚集密度方法保持進(jìn)化群體的分布性
4．4 用網(wǎng)格保持進(jìn)化群體的分布性
4．4．1 網(wǎng)格邊界
4．4．2 個(gè)體在網(wǎng)格中的定位
4．4．3 自適應(yīng)網(wǎng)格
4．5 用聚類方法保持進(jìn)化群體的分布性
4．5．1 聚類分析中的編碼及其相似度計(jì)算
4．5．2 聚類分析
4．5．3 極點(diǎn)分析與處理
4．6 非均勻問題的分布性
4．6．1 非均勻分布問題
4．6．2 雜亂度分析
4．6．3 種群維護(hù)
第5章 多目標(biāo)進(jìn)化算法的收斂性
5．1 多目標(biāo)進(jìn)化模型及其收斂性分析
5．1．1 多目標(biāo)進(jìn)化簡單模型
5．1．2 reduce函數(shù)
5．1．3 收斂性分析
5．2 自適應(yīng)網(wǎng)格算法及其收斂性
5．2．1 有關(guān)定義
5．2．2 自適應(yīng)網(wǎng)格算法
5．2．3 AGA收斂性分析
5．2．4 AGA的收斂條件
5．3 MOEA的收斂性分析
5．3．1 Pareto最優(yōu)解集的特征
5．3．2 MOEA的收斂性
第6章 多目標(biāo)進(jìn)化算法
6．1 基于分解的MOEA
6．1．1 i類聚合函數(shù)
6．1．2 基于分解的MOEA算法框架
6．2 基于支配的MOEA
6．2．1 schaffer和Fonseca等的工作
6．2．2 NSGA-Ⅱ
6．2．3 NPGA
6．2．4 SPEA2
6．2．5 PESA
6．2．6 PAES
6．2．7 MGAM00
6．2．8 MOMGA
6．2．9 基于信息熵的MOEA
6．2．10 mBOA
6．3 基于指標(biāo)的MOEA
6．3．1 Hypervolume指標(biāo)和二元ε-indicator指標(biāo)
6．3．2 SMS-EMOA
6．3．3 IBEA
6．4 NSGA-Ⅱ、SPEA2、MOEA／D實(shí)驗(yàn)比較結(jié)果
第7章 高維MOEA
7．1 概述
7．2 NSGA-Ⅲ
7．2．1 參考點(diǎn)的設(shè)置
7．2．2 種群的自適應(yīng)標(biāo)準(zhǔn)化
7．2．3 關(guān)聯(lián)操作
7．2．4 個(gè)體保留操作
7．2．5 NSGA-Ⅲ時(shí)間復(fù)雜度分析
7．3 ε-MOEA
7．4 SDE
7．5 實(shí)驗(yàn)結(jié)果及對(duì)高維MOEA研究的思考
第8章 偏好MoEA
8．1 概述
8．2 g-dominance算法
8．3 r-dominanee算法
8．4 角度信息偏好算法
8．5 實(shí)驗(yàn)結(jié)果
第9章 基于動(dòng)態(tài)環(huán)境的MOEA
9．1 動(dòng)態(tài)多目標(biāo)優(yōu)化問題（DMOP）
9．1．1 DMOP基本概念及數(shù)學(xué)表述
9．1．2 DMOP的分類·
9．1．3 動(dòng)態(tài)多目標(biāo)進(jìn)化方法
9．1．4 動(dòng)態(tài)多目標(biāo)測(cè)試問題
9．2 FPS
9．2．1 預(yù)測(cè)策略及算法
9．2．2 實(shí)驗(yàn)結(jié)果
9．3 PPS
9．3．1 PPS基本原理
9．3．2 PS中心點(diǎn)的預(yù)測(cè)
9．3．3 PS的副本估計(jì)
9．3．4 下一時(shí)刻解的生成
9．3．5 PPS算法
9．3．6 實(shí)驗(yàn)結(jié)果
9．4 DEE-PDMS
9．4．1 動(dòng)態(tài)環(huán)境模型
9．4．2 動(dòng)態(tài)進(jìn)化模型的實(shí)現(xiàn)
9．4．3 DEE-PDMS
9．4．4 實(shí)驗(yàn)結(jié)果
第10章 MOEA性能評(píng)價(jià)
10．1 概述
10．2 實(shí)驗(yàn)設(shè)計(jì)與分析
10．2．1 實(shí)驗(yàn)?zāi)康?br />10．2．2 MOEA評(píng)價(jià)工具的選取
10．2．3 實(shí)驗(yàn)參數(shù)設(shè)置
10．2．4 實(shí)驗(yàn)結(jié)果分析
10．3 MOEA性能評(píng)價(jià)方法
10．3．1 評(píng)價(jià)方法概述
10．3．2 收斂性評(píng)價(jià)方法
10．3．3 分布性評(píng)價(jià)方法
10．4 綜合評(píng)價(jià)指標(biāo)
10．4．1 超體積指標(biāo)
10．4．2 反轉(zhuǎn)世代距離
第11章 MoEA測(cè)試函數(shù)
11．1 概述
11．2 MOEA測(cè)試函數(shù)集
11．3 MOP問題分類
11．3．1 非偏約束的數(shù)值MOEA測(cè)試函數(shù)集
11．3．2 帶偏約束的數(shù)值MOEA測(cè)試函數(shù)集
11．4 構(gòu)造MOP測(cè)試函數(shù)的方法
11．4．1 從數(shù)值上構(gòu)造MOP
11．4．2 規(guī)?？勺兊亩嗄繕?biāo)測(cè)試函數(shù)的構(gòu)造方法
11．4．3 自底向上地構(gòu)造規(guī)?？勺兊亩嗄繕?biāo)測(cè)試函數(shù)
11．4．4 對(duì)曲面進(jìn)行約束構(gòu)造規(guī)?？勺兊亩嗄繕?biāo)測(cè)試函數(shù)
11．5 DTLZ測(cè)試函數(shù)系列
11．5．1 DTLZl
11．5．2 DTLZ2
11．5．3 DTLZ3
11．5．4 DTLZ4
11．5．5 DTLZ5
11．5．6 DTLZ6
11．5．7 DTLZ7
11．5．8 DTLZ8
11．5．9 DTLZ9
11．6 組合優(yōu)化類MOEA測(cè)試函數(shù)
11．7 WFG測(cè)試問題工具包
11．7．1 問題特性
11．7．2 Pareto最優(yōu)面的幾何結(jié)構(gòu)
11．7．3 構(gòu)造測(cè)試問題的一般方法
11．7．4 WFGl～WFG9
11．8 可視化測(cè)試問題
11．9 其他測(cè)試問題
第12章 多目標(biāo)優(yōu)化實(shí)驗(yàn)平臺(tái)
12．1 多目標(biāo)優(yōu)化實(shí)驗(yàn)平臺(tái)特性
12．2 開源軟件框架
12．3 優(yōu)化模板庫
12．3．1 OTL的構(gòu)成
12．3．2 OTL面向?qū)ο蟮脑O(shè)計(jì)架構(gòu)
12．3．3 0TL的三個(gè)組成工程
第13章 基于多目標(biāo)優(yōu)化求解單目標(biāo)約束優(yōu)化問題
13．1 約束優(yōu)化概述
13．2 CW算法
13．3 HCOEA算法
第14章 MOEA應(yīng)用
14．1 MOEA應(yīng)用概述
14．1．1 MOEA在環(huán)境與資源配置方面的應(yīng)用
14．1．2 MOEA在電子與電氣工程方面的應(yīng)用
14．1．3 MOEA在通信與網(wǎng)絡(luò)優(yōu)化方面的應(yīng)用
14．1．4 MOEA在機(jī)器人方面的應(yīng)用
14．1．5 MOEA在航空航天方面的應(yīng)用
14．1．6 MOEA在市政建設(shè)方面的應(yīng)用
14．1．7 MOEA在交通運(yùn)輸方面的應(yīng)用
14．1．8 MOEA在機(jī)械設(shè)計(jì)與制造方面的應(yīng)用
14．1．9 MOEA在管理工程方面的應(yīng)用
14．1．10 MOEA在金融方面的應(yīng)用
14．1．11 MOEA在科學(xué)研究中的應(yīng)用
14．2 MOEA在車輛路徑問題中的應(yīng)用
14．2．1 帶時(shí)間窗的車輛路徑問題
14．2．2 求解VRPTW問題的MOEA
14．2．3 可變概率的λ-interchange局部搜索法
14．2．4 實(shí)驗(yàn)與分析
14．3 MOEA在供水系統(tǒng)中的應(yīng)用
14．3．1 水泵調(diào)度問題
14．3．2 求解方法
14．3．3 實(shí)驗(yàn)結(jié)果分析
附錄A 符號(hào)及縮寫
附錄B MOPs測(cè)試函數(shù)
附錄C 表B．1 測(cè)試函數(shù)的Pture圖和PFtrue圖
附錄D 表B．2 測(cè)試函數(shù)的Pture圖和PFtrue圖
參考文獻(xiàn)