多目標進化算法及其應用

第1章　緒論
　1.1　多目標優(yōu)化問題
　1.2　基于Pareto的多目標最優(yōu)解集
　1.3　多目標進化個體之間的支配關系
　1.4　多目標進行算法
　1.5　多目標進化算法研究的歷史與現狀
　1.6　有待進一步研究的課題
第2章　多目標進化算法
　2.1　Schaffer和Fonseca等的工作
　2.2　NSGA－Ⅱ
　2.3　NPGA
　2.4　SPEA2
　2.5　PESA
　2.6　PAES
2.7 MGAMOO
2.8 MOMGA
　2.9　基于密度的多目標進化算法
　2.10　mBOA
　2.11　實驗結果
第3章　MOEA性能評價
　3.1　概述　
　3.2　實驗設計與分析　
　3.3　MOEA性能評價方法　
第4章　多目標Pareto最優(yōu)解集
　4.1　構造Pareto最優(yōu)解的簡單方法
　4.2　用莊家法則構造Pareto最優(yōu)解集
　4.3　用擂臺賽法則構造Pareto最優(yōu)解集
　4.4　用遞歸方法構造Pareto最優(yōu)解集
　4.5　用快速排序方法構造Pareto最優(yōu)解集
　4.6　用改進的快速排序方法構造Pareto最優(yōu)解集
第5章　多目標進化群體的分布性
　5.1　用小生境技術保持進化群體的分布性
　5.2　用信息熵保持進化群體的分布性
　5.3　用聚集密度方法保持進化群體的分布性
　5.4　用網格保持進化群體的分布性
　5.5　用聚類方法保持進化群體的分布性
第6章　MOEA收斂性
　6.1　多目標進化模型及其收斂性分析
　6.2　自適應網格算法及其收斂性
　6.3　MOEA的收斂性分析
第7章　MOEA測試函數　
　7.1　概述
　7.2　MOEA測試函數集
　7.3　MOP問題的分類　
　7.4　構造MOP測試函數的方法
　7.5　DTLZ測試函數系列
　7.6　組合優(yōu)化類MOEA測試函數　
第8章　MOEA應用
　8.1　MOEA應用概述　
　8.2　MOEA在車輛路徑問題中的應用
　8.3　MOEA在供水系統(tǒng)中的應用
附錄A　符號及縮寫索引　
附錄B　MOPs測試函數
附錄C　表B.1測試函數的Ptrue圖和PFtrue圖
附錄D　表B.2測試函數的Ptrue圖和PFtrue圖
參考文獻