多目標(biāo)智能優(yōu)化算法及其應(yīng)用

《智能科學(xué)技術(shù)著作叢書(shū)》序
前言
第1章 緒論
1.1 進(jìn)化算法
1.1.1 進(jìn)化算法的基本框架
1.1.2 遺傳算法
1.1.3 進(jìn)化策略
1.1.4 進(jìn)化規(guī)劃
1.2 粒子群算法
1.2.1 標(biāo)準(zhǔn)粒子群算法
1.2.2 算法解析
1.3 蟻群算法
1.3.1 蟻群算法的基本思想
1.3.2 蟻群算法的實(shí)現(xiàn)過(guò)程
1.3.3 蟻群算法描述
1.3.4 蟻群優(yōu)化的特點(diǎn)
1.4 模擬退火算法
1.4.1 模擬退火算法的基本原理
1.4.2 模擬退火算法描述
1.5 人工免疫系統(tǒng)
1.5.1 生物免疫系統(tǒng)
1.5.2 人工免疫系統(tǒng)
1.6 禁忌搜索
1.7 分散搜索
1.8 多目標(biāo)優(yōu)化基本概念
參考文獻(xiàn)
第2章 多目標(biāo)進(jìn)化算法
2.1 基本原理
2.1.1 MOEA模型
2.1.2 性能指標(biāo)與測(cè)試函數(shù)
2.2 典型多目標(biāo)進(jìn)化算法
2.2.1 VEGA、MOGA、NPGA和NSGA
2.2.2 SPEA和SPEA2
2.2.3 NSGA2
2.2.4 PAES
2.2.5 其他典型MOEA
2.3 多目標(biāo)混合進(jìn)化算法
2.3.1 多目標(biāo)遺傳局部搜索
2.3.2 J—MOGLS
2.3.3 M PAES
2.3.4 多目標(biāo)混沌進(jìn)化算法
2.4 協(xié)同多目標(biāo)進(jìn)化算法
2.5 動(dòng)態(tài)多目標(biāo)進(jìn)化算法
2.5.1 IMOEA
2.5.2 動(dòng)態(tài)MOEA(DMOEA)
2.6 并行多目標(biāo)進(jìn)化算法
2.6.1 并行多目標(biāo)進(jìn)化算法的基本原理
2.6.2 多分辨率多目標(biāo)遺傳算法
2.6.3 并行單前端遺傳算法
2.7 其他多目標(biāo)進(jìn)化算法
2.7.1 高維多目標(biāo)優(yōu)化的NSGA2改進(jìn)算法
2.7.2 動(dòng)態(tài)多目標(biāo)優(yōu)化的進(jìn)化算法
2.8 結(jié)論與展望
參考文獻(xiàn)
第3章 多目標(biāo)粒子群算法
3.1 基本原理
3.2 典型多目標(biāo)粒子群算法
3.2.1 CMOPSO
3.2.2 多目標(biāo)全面學(xué)習(xí)粒子群算法
3.2.3 Pareto檔案多目標(biāo)粒子群優(yōu)化
3.3 多目標(biāo)混合粒子群算法
3.3.1 模糊多目標(biāo)粒子群算法
3.3.2 基于分散搜索的多目標(biāo)混合粒子群算法
3.4 交互粒子群算法
3.5 結(jié)論
參考文獻(xiàn)
第4章 其他多目標(biāo)智能優(yōu)化算法
4.1 多目標(biāo)模擬退火算法
4.2 多目標(biāo)蟻群算法
4.2.1 連續(xù)優(yōu)化問(wèn)題的多目標(biāo)蟻群算法
4.2.2 組合優(yōu)化問(wèn)題的多目標(biāo)蟻群算法
4.3 多目標(biāo)免疫算法
4.4 多目標(biāo)差分進(jìn)化算法
4.5 多目標(biāo)分散搜索
4.6 結(jié)論
參考文獻(xiàn)
第5章 人工神經(jīng)網(wǎng)絡(luò)優(yōu)化
5.1 Pareto進(jìn)化神經(jīng)網(wǎng)絡(luò)
5.2 徑向基神經(jīng)網(wǎng)絡(luò)優(yōu)化與設(shè)計(jì)
5.3 遞歸神經(jīng)網(wǎng)絡(luò)優(yōu)化與設(shè)計(jì)
5.4 模糊神經(jīng)網(wǎng)絡(luò)多目標(biāo)優(yōu)化
5.5 結(jié)論
參考文獻(xiàn)
第6章 交通與物流系統(tǒng)優(yōu)化
6.1 物流配送路徑優(yōu)化
6.1.1 多目標(biāo)車輛路徑優(yōu)化
6.1.2 多目標(biāo)隨機(jī)車輛路徑優(yōu)化
6.2 城市公交路線網(wǎng)絡(luò)優(yōu)化
6.3 公共交通調(diào)度
6.3.1 概述
6.3.2 多目標(biāo)駕駛員調(diào)度
6.4 結(jié)論
參考文獻(xiàn)
第7章 多目標(biāo)生產(chǎn)調(diào)度
7.1 生產(chǎn)調(diào)度描述_
7.1.1 車間調(diào)度問(wèn)題
7.1.2 間隙生產(chǎn)調(diào)度
7.1.3 動(dòng)態(tài)生產(chǎn)調(diào)度
7.1.4 批處理機(jī)調(diào)度和E／T調(diào)度
7.2 生產(chǎn)調(diào)度的表示方法
7.3 基于進(jìn)化算法的多目標(biāo)車間調(diào)度
7.3.1 多目標(biāo)流水車間調(diào)度
7.3.2 多目標(biāo)作業(yè)車間調(diào)度
7.4 基于進(jìn)化算法的多目標(biāo)模糊調(diào)度
7.4.1 模糊調(diào)度：Sakawa方法
7.4.2 模糊作業(yè)車間調(diào)度：cMEA方法
7.5 基于進(jìn)化算法的多目標(biāo)柔性調(diào)度
7.5.1 混合遺傳調(diào)度方法
7.5.2 混合遺傳算法
7.6 基于粒子群優(yōu)化的多目標(biāo)調(diào)度
7.6.1 基于粒子群優(yōu)化的多目標(biāo)作業(yè)車間調(diào)度
7.6.2 多目標(biāo)柔性調(diào)度的混合粒子群方法
7.7 多目標(biāo)隨機(jī)調(diào)度
7.8 結(jié)論與展望
參考文獻(xiàn)
第8章 電力系統(tǒng)優(yōu)化及其他
8.1 電力系統(tǒng)優(yōu)化
8.1.1 基于免疫算法的多目標(biāo)無(wú)功優(yōu)化
8.1.2 基于分層優(yōu)化的多目標(biāo)電網(wǎng)規(guī)劃
8.1.3 基于NSGA2及協(xié)同進(jìn)化的多目標(biāo)電網(wǎng)規(guī)劃
8.2 多播Qos路由優(yōu)化
8.3 單元制造系統(tǒng)設(shè)計(jì)
8.3.1 概述
8.3.2 基于禁忌搜索的多目標(biāo)單元構(gòu)造
8.3.3 基于并行禁忌搜索的多目標(biāo)單元構(gòu)造
8.4 自動(dòng)控制系統(tǒng)設(shè)計(jì)
8.4.1 概述
8.4.2 混合動(dòng)力學(xué)系統(tǒng)控制
8.4.3 魯棒PID控制器設(shè)計(jì)
8.5 結(jié)論
參考文獻(xiàn)
附錄 部分測(cè)試函數(shù)