多目標(biāo)進化算法及其應(yīng)用

第1章　緒論
　1.1　多目標(biāo)優(yōu)化問題
　1.2　基于Pareto的多目標(biāo)最優(yōu)解集
　1.3　多目標(biāo)進化個體之間的支配關(guān)系
　1.4　多目標(biāo)進行算法
　1.5　多目標(biāo)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(biāo)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(biāo)進化算法
　2.10　mBOA
　2.11　實驗結(jié)果
第3章　MOEA性能評價
　3.1　概述　
　3.2　實驗設(shè)計與分析　
　3.3　MOEA性能評價方法　
第4章　多目標(biāo)Pareto最優(yōu)解集
　4.1　構(gòu)造Pareto最優(yōu)解的簡單方法
　4.2　用莊家法則構(gòu)造Pareto最優(yōu)解集
　4.3　用擂臺賽法則構(gòu)造Pareto最優(yōu)解集
　4.4　用遞歸方法構(gòu)造Pareto最優(yōu)解集
　4.5　用快速排序方法構(gòu)造Pareto最優(yōu)解集
　4.6　用改進的快速排序方法構(gòu)造Pareto最優(yōu)解集
第5章　多目標(biāo)進化群體的分布性
　5.1　用小生境技術(shù)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(biāo)進化模型及其收斂性分析
　6.2　自適應(yīng)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(gòu)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(yīng)用
　8.1　MOEA應(yīng)用概述　
　8.2　MOEA在車輛路徑問題中的應(yīng)用
　8.3　MOEA在供水系統(tǒng)中的應(yīng)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