多目標群體智能優(yōu)化算法

第1章 多目標優(yōu)化問題
1．1 多目標優(yōu)化問題的發(fā)展
1．1．1 多目標優(yōu)化問題的歷史
1．1．2 多目標進化算法
1．1．3 多目標進化優(yōu)化方法的新趨勢
1．1．4 高維多目標優(yōu)化問題
1．2 多目標優(yōu)化問題及相關概念
1．2．1 多目標優(yōu)化問題的模型
1．2．2 多目標優(yōu)化問題相關概念
1．2．3 多目標進化算法的設計目標
1．3 群體智能優(yōu)化算法基礎
本章參考文獻
第2章 多目標優(yōu)化算法性能度量
2．1 性能度量方法概述
2．2 常見的性能度量方法
2．2．1 收斂性度量方法
2．2．2 分布性度量方法
2．2．3 綜合性能度量指標
本章參考文獻
第3章 多目標優(yōu)化測試問題
3．1 引言
3．2 多目標優(yōu)化問題的設計原則和方法
3．3 ZDT系列測試問題
3．4 DTLZ系列測試問題
3．5 WFG系列測試函數(shù)
3．5．1 形狀函數(shù)
3．5．2 轉換函數(shù)
3．5．3 WFG系列函數(shù)
3．6 UF系列測試函數(shù)
3．7 多目標優(yōu)化算法性能的比較
本章參考文獻
第4章 多目標煙花爆炸算法
4．1 煙花爆炸算法
4．1．1 煙花爆炸算法基礎
4．1．2 煙花爆炸算法的實現(xiàn)
4．1．3 煙花爆炸算法的進展
4．2 應用精英反向學習的多目標煙花爆炸算法
4．2．1 引言
4．2．2 多目標優(yōu)化問題及相關概念
4．2．3 MOFAEOL算法
4．2．4 實驗結果與分析
4．2．5 結論
4．3 增強型多目標煙花爆炸算法
4．3．1 引言
4．3．2 eMOFEOA算法
4．3．3 實驗結果與分析
4．3．4 結論
本章參考文獻
第5章 多目標螢火蟲算法
5．1 螢火蟲算法
5．1．1 螢火蟲算法基礎
5．1．2 螢火蟲算法基本思想
5．1．3 螢火蟲算法的數(shù)學描述
5．1．4 基本螢火蟲算法的流程
5．2 混合型多目標螢火蟲算法
5．2．1 引言
5．2．2 多目標優(yōu)化問題定義
5．2．3 HMOFA算法
5．2．4 實驗與結果分析
5．2．5 結論
5．3 多策略協(xié)同的多目標螢火蟲算法
5．3．1 引言
5．3．2 多目標優(yōu)化問題相關概念
5．3．3 MOFA-MCS算法
5．3．4 實驗結果與分析
5．3．5 結論
本章參考文獻
第6章 多目標粒子群優(yōu)化算法
6．1 粒子群優(yōu)化算法
6．1．1 粒子群優(yōu)化算法基礎
6．1．2 全局最優(yōu)PSO算法
6．1．3 局部最優(yōu)PSO算法
6．1．4 粒子群算法的應用
6．2 多種策略融合的多目標粒子群優(yōu)化算法
6．2．1 引言
6．2．2 MSMOPSO算法
6．2．3 MSMOPSO算法收斂性分析
6．2．4 實驗結果與分析
6．2．5 結論
6．3 自適應模糊支配的高維多目標粒子群算法
6．3．1 引言
6．3．2 高維多目標粒子群算法基本知識
6．3．3 MaPSOAF算法
6．3．4 實驗與分析
6．3．5 結論
本章參考文獻
第7章 多目標進化算法
7．1 進化算法基礎
7．1．1 進化算法簡介
7．1．2 進化算法形式化描述
7．1．3 遺傳算法的基本原理
7．1．4 進化算法的研究現(xiàn)狀
7．2 一種雙鏈結構的多目標進化算法
7．2．1 引言
7．2．2 DCMOEA算法
7．2．3 實驗結果與分析
7．2．4 結論
7．3 應用檔案精英學習和反向學習的多目標進化算法
7．3．1 引言
7．3．2 多目標優(yōu)化問題相關概念與定理
7．3．3 AOL-MOEA算法
7．3．4 實驗結果與分析
7．3．5 結論
7．4 基于分解和協(xié)同策略的高維多目標進化算法
7．4．1 引言
7．4．2 多目標優(yōu)化問題基本概念
7．4．3 MaOEA/DCE算法
7．4．4 實驗結果與分析
7．4．5 結論
本章參考文獻