多目标进化优化(精)

近年来，多目标进化算法(MOEA)的研究进入了快 速发展阶段，越来越多的人开始从事MOEA新方法和新 技术的设计与实现，MOEA的应用日益广泛。 郑金华、邹娟著的《多目标进化优化(精)》比较 全面地综述了MOEA的国际研究现状和发展趋势，介绍 了MOEA的基础知识和基本原理；论述和分析了构造 Pareto最优解集的方法、保持进化群体分布性的方法 和策略，以及MOEA的收敛性；讨论了目前国际上最具 代表性的MOEA以及高维MOEA、偏好MOEA和动态MOEA； 探讨了MOEA的性能评价方法、MOEA的测试方法，以及 MOEA测试实验平台。最后，讨论了用多目标进化方法 求解约束优化问题，并分类概述了MOEA的应用及两个 具体应用实例。 本书可作为计算机、自动控制和其他相关专业高 年级本科生、硕士研究生、博士研究生，以及MOEA爱 好者研究和学习的教材或参考书。

郑金华 博士，教授、博士生导师，国务院特殊津贴专家。从1997年开始从事进化优化、多目标进化优化、高维多目标进化优化等研究，主持完成国家自然科学基金项目3项、省部级科研项目10余项，以第一完成人获得湖南省自然科学奖二等奖1项、湖南省优秀教学成果奖二等奖2项，获得霍英东青年教师奖1项；出版学术著作1部，在IEEE Transactions on Evolutionary Computation、Evolutionary Computation、Applied Soft Computing以及《计算机学报》《软件学报》等发表学术论文220余篇。

序言 前言 第1章 绪论 1.1 MOEA概述 1.2 MOEA的分类 1.2.1 按不同的进化机制分类 1.2.2 按不同的决策方式分类 1.3 多目标进化优化方法研究 1.4 MOEA理论研究 1.5 MOEA应用研究 1.6 有待进一步研究的课题 第2章 多目标进化优化基础 2.1 进化算法 2.1.1 遗传算法的基本流程 2.1.2 编码 2.1.3 适用度评价 2.1.4 遗传操作 2.2 多目标优化问题 2.3 多目标进化个体之间关系 2.4 基于Pareto的多目标最优解集 2.4.1 Pareto最优解 2.4.2 Pareto最优边界 2.4.3 凸空间和凹空间 2.5 基于Pareto的多目标进化算法的一般框架 第3章 多目标Pareto最优解集构造方法 3.1 构造Pareto最优解的简单方法 3.1.1 Deb的非支配排序方法 3.1.2 用排除法构造非支配集 3.2 用庄家法则构造Pareto最优解集 3.2.1 用庄家法则构造非支配集的方法 3.2.2 正确性论证 3.2.3 时间复杂度分析 3.2.4 实例分析 3.2.5 实验结果 3.3 用擂台赛法则构造Pareto最优解集 3.3.1 用擂台赛法则构造非支配集的方法 3.3.2 正确性论证及时间复杂度分析 3.3.3 实例分析 3.3.4 实验结果 3.4 用递归方法构造Pareto最优解集 3.5 用快速排序方法构造Pareto最优解集 3.5.1 个体之间的关系 3.5.2 用快速排序方法构造非支配集 3.6 用改进的快速排序方法构造Pareto最优解集 3.6.1 改进的快速排序算法 3.6.2 实验结果 第4章 多目标进化群体的分布性 4.1 用小生境技术保持进化群体的分布性 4.2 用信息熵保持进化群体的分布性 4.3 用聚集密度方法保持进化群体的分布性