91视频污下载污,午夜两性刺激视频免费看

內(nèi)容簡介

　　近年來，多目標進化算法（MOEA）的研究進入了快速發(fā)展階段，越來越多的人開始從事MOEA的設計與實現(xiàn)，MOEA的應用也日益廣泛。本書比較全面地綜述了MOEA的國際研究現(xiàn)狀和發(fā)展，討論了MOEA的基本概念和基本原理，介紹了目前國際上比較典型的MOEA，論述了MOEA的性能評價方法，闡述了構造Pareto最優(yōu)解集的方法，刻面了保持進化群體分布性的方法和策略，詳述了MOEA的測試方法。同時，對MOEA的收斂性的方法和策略，詳述了MOEA的測試方法。同時，對MOEA的收斂性及應用進行了討論和分析。本書可作為計算機、自動控制和其它相關專業(yè)高年級本科生和研究生，以及MOEA愛好者研究、學習的教材或參考書。

作者簡介

暫缺《多目標進化算法及其應用》作者簡介

圖書目錄

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(xiàn)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(wǎng)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(wǎng)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(shù)　
　7.1　概述
　7.2　MOEA測試函數(shù)集
　7.3　MOP問題的分類　
　7.4　構造MOP測試函數(shù)的方法
　7.5　DTLZ測試函數(shù)系列
　7.6　組合優(yōu)化類MOEA測試函數(shù)　
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(shù)
附錄C　表B.1測試函數(shù)的Ptrue圖和PFtrue圖
附錄D　表B.2測試函數(shù)的Ptrue圖和PFtrue圖
參考文獻