网络模型与多目标遗传算法

本书首先围绕物流配送计划问题、网络的开放式很短路径优先问题、多阶段供应链管理的网络问题以及双目标网络问题中的网络系统的很小费用优选流量问题这几个可用网络模型一般化的NPhard组合优化问题，介绍如何设计不同的染色体来采用遗传算法解决网络设计问题； 然后，在数值实验中通过求解实际问题详细地介绍了遗传算法的使用方法； 很后， 介绍怎样有效地运用遗传算法求解从基本的网络模型，到通信网络、逻辑系统、优选的生产计划等不同的多目标网络模型。本书通过使用具体数值实例进行浅显易懂的讲解，而没有涉及难懂的理论讲解，大学低年级学生凭借其现有的数学基础知识就可以接近理解书中介绍的网络数学模型和遗传算法的解法。书中丰富的数值实例能够加深读者对算法的理解，为学习带来便利。

第1章遗传算法
1.1遗传算法基础
1.1.1遗传算法概述
1.1.2编码
1.1.3适值函数
1.1.4遗传操作
1.1.5应用于非线性最优化问题
1.2遗传算法应用于组合优化问题的实例
1.2.1配词问题
1.2.2背包问题
1.3混合遗传算法
1.3.1ls-hGA
1.3.2flc-hGA
1.4参考文献
第2章网络模型基础
2.1最短路径模型
2.1.1最短路径问题数学模型
2.1.2基于优先级的遗传算法解法
2.1.3数值计算
2.2最大流量模型
2.2.1最大流量问题的数学模型
2.2.2基于优先级编码的遗传算法
2.2.3数值计算
2.3最小费用流模型
2.3.1最小费用流问题的数学模型
2.3.2基于优先级编码的遗传算法
2.3.3数值计算
2.4最小生成树模型
2.4.1最小生成树问题的数学模型
2.4.2基于PrimPred的遗传算法解法
2.4.3数值计算
2.5参考文献
第3章物流网络模型
3.1物流模型
3.1.1配送计划模型
3.1.2基于矩阵的遗传算法解法
3.1.3基于生成树的遗传算法解法
3.1.4数值计算
3.2两阶段物流模型
3.2.1两阶段物流模型
3.2.2基于优先级的遗传算法解法
3.2.3数值计算
3.3车辆配送模型
3.3.1多配送中心带时间窗的车辆配送模型
3.3.2基于遗传算法的解法
3.3.3数值计算
3.4工厂-配送中心物流模型
3.4.1P-DC物流网络数学模型
3.4.2基于优先级的遗传算法解法
3.4.3数值计算
3.5参考文献
第4章多目标遗传算法
4.1多目标优化模型概要
4.1.1多目标优化问题
4.1.2Pareto最优解
4.2多目标遗传算法概要
4.2.1多目标遗传算法的处理过程
4.2.2向量评价遗传算法
4.2.3评价值共享
4.3多目标遗传算法过程
4.3.1Pareto排序评价方法
4.3.2多目标函数加权和评价方法
4.3.3多目标函数的加权及保存精英策略的引入
4.4Pareto最优解的评价
4.4.1参照解集S最
4.4.2求得的Pareto最优解数量|Sj|
4.4.3获得Pareto最优解个体数比例RNDS(Sj)
4.4.4Pareto最优解集与参照解集间的距离D1R
4.4.5各目标函数轴的最大值，最小值，平均值IMMA
4.5多目标遗传算法的数值计算
4.5.1数值计算实例1
4.5.2数值计算实例2
4.6参考文献
第5章多目标网络模型
5.1最小费用最大流量网络模型
5.1.1最小费用最大流量网络的数学模型
5.1.2基于优先级的遗传算法解法
5.1.3数值计算
5.2多目标供应链网络模型
5.2.1多目标供应链网络数学模型
5.2.2基于优先级的遗传算法求解
5.2.3数值计算
5.3生产物流系统网络模型
5.3.1生产物流系统的数学模型
5.3.2基于随机值的多阶段决策遗传算法的解法
5.3.3数值计算
5.4通信系统可靠性网络
5.4.1系统瘫痪率和总成本最小化的数学模型建立
5.4.2基于混合多目标遗传算法的解法
5.4.3数值计算
5.5参考文献