多目標群體智能優(yōu)化算法

定　價：￥89.00

作　者：	謝承旺著
出版社：	北京理工大學出版社
叢編項：	新一代人工智能系列叢書
標　簽：	暫缺

購買這本書可以去

京東 (￥77.10)

ISBN：	9787568285124	出版時間：	2020-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	264	字數(shù)：

內容簡介

　　群體智能優(yōu)化算法作為解決復雜優(yōu)化問題的有力工具近年來獲得了較大的發(fā)展，業(yè)已成為智能計算領域的研究熱點之一。《多目標群體智能優(yōu)化算法/新一代人工智能系列叢書》比較全面地介紹了多目標優(yōu)化問題和群體智能優(yōu)化算法的研究現(xiàn)狀和發(fā)展趨勢，討論了多目標優(yōu)化方法的基本知識和基本原理；探討了多目標優(yōu)化方法的性能度量方法和基準的多目標優(yōu)化測試函數(shù)集，并分類闡述了幾種多目標煙花爆炸算法、多目標螢火蟲算法、多目標粒子群算法和多目標進化算法的設計過程，包括算法的算子、算法流程、實驗方案和實驗結果與分析等?！抖嗄繕巳后w智能優(yōu)化算法/新一代人工智能系列叢書》可作為計算機、人工智能和其他相關專業(yè)高年級本科生、碩士研究生、博士研究生，以及多目標群智能算法的愛好者和相關從業(yè)者進行學習和研究的參考書。

作者簡介

　　謝承旺，男，1974年10月出生，湖北武漢人，博士，教授，碩士生導師，中國計算機學會高級會員。謝承旺教授主要從事進化計算、群體智能優(yōu)化理論與應用等研究，近年來在多目標群體智能優(yōu)化和高維多目標進化優(yōu)化方面開展了較為深入的研究。近五年來，主持和參與國家自然科學基金項目5項、主持和參與省級自然科學基金重點項目、省級重大科技專項等項目10余項，并指導研究生多次獲得省級研究生創(chuàng)新基金項目。作者在《Information Sciences》《Neurocomputing》《計算機學報》《軟件學報》和《自動化學報》等著名期刊上發(fā)表學術論文60余篇，申請國家發(fā)明專利多項。

圖書目錄

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