錐形分解高維多目標(biāo)進化算法及其應(yīng)用

目錄
前言
第1章 多目標(biāo)優(yōu)化概述 1
1.1 多目標(biāo)及高維多目標(biāo)優(yōu)化問題 1
1.2 進化算法及多目標(biāo)進化算法 2
1.3 高維多目標(biāo)進化算法面臨的挑戰(zhàn) 3
1.4 分解型多目標(biāo)進化算法的優(yōu)勢 5
1.5 進化算法中的典型約束處理策略 7
第2章 多目標(biāo)進化算法基礎(chǔ) 10
2.1 常見的代表性多目標(biāo)進化算法 10
2.1.1 MOEA/D 10
2.1.2 NSGA-Ⅲ 11
2.1.3 MOEA/DD 12
2.2 分解型多目標(biāo)進化算法的標(biāo)量化方法 13
2.3 進化算法的交叉算子 15
2.4 多目標(biāo)進化算法的性能評估指標(biāo) 16
第3章 錐形分解高維多目標(biāo)進化算法 MOEA/CD 18
3.1 錐形分解策略 18
3.2 標(biāo)量化方法——帶懲罰的方向距離 25
3.3 交叉算子動態(tài)選擇機制 27
3.4 MOEA/CD算法流程 28
3.4.1 MOEA/CD主框架 28
3.4.2 初始化階段 30
3.4.3 重組階段 31
3.4.4 更新階段 35
3.5 MOEA/CD的算法復(fù)雜度分析 37
3.6 MOEA/CD算法的實驗測試與結(jié)果分析 38
3.6.1 實驗配置 38
3.6.2 算法解集質(zhì)量分析 43
3.6.3 算法運行效率分析 62
第4章 錐形分解高維多目標(biāo)進化算法的擴展處理機制 65
4.1 尺度標(biāo)準(zhǔn)化處理 65
4.1.1 尺度標(biāo)準(zhǔn)化處理機制 65
4.1.2 實驗測試與結(jié)果分析 67
4.2 不規(guī)則前沿的擴展處理 70
4.2.1 方向向量自適應(yīng)調(diào)整機制 71
4.2.2 實驗測試與結(jié)果分析 73
第5章 錐形分解高維多目標(biāo)進化算法的工程應(yīng)用 77
5.1 在車輛正面耐撞性設(shè)計上的應(yīng)用 77
5.1.1 車輛正面耐撞性設(shè)計問題的目標(biāo)模型 77
5.1.2 算法應(yīng)用與分析 79
5.2 在汽車駕駛室設(shè)計上的應(yīng)用 81
5.2.1 汽車駕駛室設(shè)計問題的目標(biāo)模型 81
5.2.2 算法應(yīng)用與分析 82
第6章 約束多目標(biāo)優(yōu)化基礎(chǔ) 85
6.1 約束多目標(biāo)優(yōu)化標(biāo)準(zhǔn)測試問題 85
6.1.1 障礙型約束多目標(biāo)優(yōu)化標(biāo)準(zhǔn)測試問題 85
6.1.2 斷裂型約束多目標(biāo)優(yōu)化標(biāo)準(zhǔn)測試問題 87
6.1.3 消失型約束多目標(biāo)優(yōu)化標(biāo)準(zhǔn)測試問題 89
6.2 分解型多目標(biāo)優(yōu)化中的典型約束處理技術(shù) 90
6.2.1 罰函數(shù)法 91
6.2.2 二目標(biāo)方法 91
6.2.3 隨機排序法 93
6.2.4 約束占優(yōu)原則 95
6.2.5 約束容忍法 96
第7章 錐形分解約束高維多目標(biāo)進化算法C-MOEA/CD 99
7.1 約束錐形分解策略 99
7.2 錐形分層選擇機制 103
7.3 錐形分層更新機制 104
7.4 C-MOEA/CD算法流程 105
7.4.1 算法主框架 105
7.4.2 初始化階段 106
7.4.3 重組階段 107
7.4.4 更新階段 109
7.5 C-MOEA/CD算法復(fù)雜度分析 111
7.6 實驗結(jié)果與分析 111
7.6.1 實驗配置 111
7.6.2 算法取得的解集質(zhì)量 113
7.6.3 算法運行效率 128
第8章 錐形分解約束高維多目標(biāo)進化算法的工程應(yīng)用 130
8.1 在水資源規(guī)劃上的應(yīng)用 130
8.1.1 水資源規(guī)劃問題的目標(biāo)與約束模型 130
8.1.2 算法應(yīng)用與分析 132
8.2 在機床規(guī)劃加工上的應(yīng)用 135
8.2.1 機床規(guī)劃加工問題的目標(biāo)與約束模型 135
8.2.2 算法應(yīng)用與分析 136
8.3 小結(jié) 138
參考文獻(xiàn) 139