复杂多目标问题的优化方法及应用--详细介绍

图书搜索
帮助
热门图书
平面设计基础(第二版)
EDA技术实用教程——V...
中国中西部南北旅游大通道...
内蒙古大兴安岭汗马国家级...
管理学基础
汽车维护实训指导
基于深度学习的医学图像数...
食品理化检验技术
数控车削操作与实训
推荐系统进展:方法与技术
成本核算与管理
机电设备基本电路装接与调...
基于评估的智障学生职业教...
机电设备操作
新编大学计算机基础——计...
学前儿童区域游戏经典案例
体能和形体训练(下)
C语言程序设计实验指导与...
区域性幼儿园游戏化课程设...
电子技术基础与实训教程
建筑装饰工程施工组织与管...
财经法规与会计职业道德
[ 本科及研究生教材 ]
    [ 信息技术,电子 ]
        [ 信息技术,电子 ]
    [ 经济管理 ]
        [ 经济管理 ]
    [ 建筑 ]
        [ 建筑 ]
    [ 机械,制造 ]
        [ 机械,制造 ]
    [ 公共课 ]
        [ 公共课 ]
[ 高职高专教材 ]
    [ 信息技术,电子 ]
        [ 信息技术,电子 ]
    [ 经济管理 ]
        [ 经济管理 ]
    [ 建筑 ]
        [ 建筑 ]
    [ 机械,制造 ]
        [ 机械,制造 ]
    [ 农林环境 ]
        [ 农林环境 ]
    [ 公共课 ]
        [ 公共课 ]
[ 中职中专教材 ]
    [ 信息技术,电子 ]
        [ 信息技术,电子 ]
    [ 经济管理 ]
        [ 经济管理 ]
    [ 建筑 ]
        [ 建筑 ]
    [ 机械,制造 ]
        [ 机械,制造 ]
    [ 公共课 ]
        [ 公共课 ]
[ 店销书,专著 ]
    [ 信息技术,电子 ]
        [ 信息技术,电子 ]
    [ 经济管理 ]
        [ 经济管理 ]
    [ 建筑 ]
        [ 建筑 ]
    [ 机械,制造 ]
        [ 机械,制造 ]
    [ 农林环境 ]
        [ 农林环境 ]
    [ 其他 ]
        [ 其他 ]
 当前位置:店销书,专著 信息技术,电子 信息技术,电子 信息技术,电子 复杂多目标问题的优化方法及应用
   
复杂多目标问题的优化方法及应用
作者:王丽萍,
书名:复杂多目标问题的优化方法及应用
定价:¥ 105 元
光盘: 
丛书名:  
免费资源下载:
本书PPT下载:
目录和样章下载: 样章下载地址
开本: 16K
标准书号: 978-7-03-055679-0
字数(千): 250
页数: 209
出版日期: 2018-11-30
发行号: TP-7850.0101
装帧: 平装
点击热度: 1436
最新印刷日期:    
 
编辑推荐
...........................................................................................................................................
 
获奖情况
...........................................................................................................................................
 
图书介绍
...........................................................................................................................................
  近几年,高维目标优化和大规模全局优化成为进化计算研究领域的两个研究热点,并广泛应用于物流工程、机械工程、通信工程等实际问题中,具有重要的研究价值。
  本书首先介绍了多目标优化(multi-objective optimization)的基本概念、研究现状和性能评价;然后综述了现阶段高维目标优化问题和大规模变量优化问题所面临的困难和挑战;进而着重介绍了基于决策者偏好的高维目标优化方法和基于变量分解的大规模变量优化方法;最后详述了高维目标进化算法和大规模变量进化算法在图像形状匹配、天线结构设计、桁架结构设计、无线传感器网络覆盖控制优化和通信系统移动蜂窝网络功率控制优化等实际问题中的应用。
  本书适合作为信息处理、决策优化、人工智能、自动控制等研究方向的高年级本科生、研究生以及多目标优化算法爱好者研究和学习的教材或参考书。
 
前言
...........................................................................................................................................
  在科学研究和实际应用中通常需要同时优化若干相互冲突的目标,这类问题被称为多目标优化问题(multi-objective optimization problems,MOPs)。多目标优化问题中多个目标之间互为竞争,无法同时达到最优解,而是获得一组由Pareto最优解组成的最优解集。20世纪80年代中期,有学者提出利用进化算法来求解多目标优化问题,即进化多目标优化(evolutionary multi-objective optimization,EMO),涌现出了大量的多目标进化算法(multi-objective evolutionary algorithms,MOEAs),并成功应用到工程实际问题中,形成了近年来的一个热门研究领域。
  随着实际应用问题的日益复杂化,传统的MOEA已经不能满足实际应用问题的需要。一方面,许多实际应用问题复杂,优化的目标在3个以上。比如,在移动通信网络建设中,可以建立面向功率消耗、网络流量、频谱资源、服务质量及带宽分配为目标的无线资源优化数学模型,通过对无线通信网络资源进行最优分配,为用户提供更大的覆盖范围、系统容量和系统性能,构建一个高覆盖率的通信网络系统。另一方面,许多实际应用问题规模大,优化问题含有成百上千个变量。比如,商品回收中逆向物流网络的设计优化问题,希望最小化自身物流成本和给制造商带来的缺货或库存成本,在一定区域内常会设有几十个回收点和处理点,导致上千个决策变量。再者,有些复杂的实际应用问题不仅含有高维目标,同时还含有大规模的变量。比如,社交网络聚类问题需要抽取对象在社交媒体中的行为特征、语言特征、时空特征和结构特征等多个视图,因此,需要为各视图设定不同的聚类目标函数,然后同步优化每个视图上目标函数,获得一个跨视图的统一划分。我们称该类问题为大规模高维目标优化问题(large-scale many- objective optimization problems)。
  为了解决此类实际应用问题,高维目标优化(many-objective optimization)和大规模全局优化(large-scale global optimization)成为近年来进化计算研究领域的两个研究热点和难点。在高维目标优化方面,现有的研究成果主要集中在修改Pareto支配、目标降维、指标优化、使用标量化函数和结合决策者偏好5个方面。其中,偏好引导方法通过决策者的偏好信息来引导种群的搜索趋势和前沿的逼近方向。由于该类方法只需要搜索决策者感兴趣的区域,不仅提高了MOEA的求解效率,而且还能够提供最符合决策者偏好的方案,因而受到了热点关注。在大规模全局优化方面,现有的研究成果主要从变量分解的角度进行研究。这种“分而治之”的思想显著提高了现有进化算法在大规模变量优化问题上的求解效率,因而备受青睐。随着对多目标优化问题研究的不断深入,无论从算法机理上还是改进机制上都已经积累了大量的研究成果,这些研究成果是研究大规模高维目标优化问题的必要基础。本书将着重从偏好引导和变量分解两个角度来研究大规模高维目标优化问题。
  本书作者总结近10年来在大规模高维目标优化问题上的研究成果,对高维目标优化和大规模全局优化两大研究热点进行了较为深入的研究。
  本书共7章。第1章介绍了多目标优化的基本概念,并对多目标优化算法的发展历史与研究现状进行了较为全面的综述,同时介绍了多目标优化问题中的收敛性、多样性以及性能评价指标。第2章介绍了近年来进化计算领域的研究热点,即高维目标优化和大规模变量优化,还介绍了基于决策者偏好的高维目标优化方法和基于变量分解的大规模变量优化方法。第3章介绍了协同进化算法的基本概念、思想及模型,并对其算法收敛性进行了分析。第4章研究了在确定偏好情况下,如何将决策者偏好信息融入高维目标优化算法中的具体策略,如双极偏好占优机制、偏好向量引导策略和偏好邻域设置策略。第5章研究了在随机偏好情况下,如何构建偏好集和种群之间的合作协同进化机制,提高对候选解选择压力的同时维持种群的多样性,如自适应协同进化策略、混合支配策略和膝盖点区域选择策略。第6章探讨了如何利用合作协同进化机制,有效解决大规模变量优化中算法性能随着变量维度增加而衰减的问题,进而研究了如何识别决策变量之间的关联性,通过关联变量分组策略提高算法在大规模变量优化问题上的求解精度。第7章研究了高维目标进化算法和大规模变量进化算法在图形检测、工程设计和通信领域中的具体应用,包括图像形状匹配、阵列天线设计、桁架结构设计、无线传感器网络覆盖控制优化以及通信系统蜂窝网络功率控制优化等实例。
  本书的研究工作得到了国家自然科学基金(61472366、61379077、61070135)、浙江省重点自然科学基金(LZ13F02002)、浙江省杰出青年基金(R2080100)、浙江省自然科学基金(LY17F020022、LY13F030010)、浙江工业大学人文社科后期资助项目(SKY-ZX-20170071)的资助,在此表示深深的谢意!
  特别感谢江波对本书提出宝贵的修改意见;感谢我的学生章鸣雷、杜洁洁、胡烜、丰美玲、吴裕市、莫雷平、吴峰、彭骏、金锋涛和林思颖对本书的贡献以及在撰写过程中提供的众多帮助。另外,感谢学生丰美玲、俞维、张梦紫、林豪对本书所做的校对工作。在此特别感谢邱启仓、郭海东、陈宏给本书的建议。
  由于作者水平有限,并且本书所涉及的内容仍处于不断发展和研究之中,书中的错误和不足恳请各位广大读者批评指正。

                                                    王丽萍  邱飞岳
                                                     2017年12月1日

 
图书目录
...........................................................................................................................................
第1章  绪论 1
1.1  多目标优化问题 1
1.1.1  多目标优化数学模型 1
1.1.2  Pareto最优解 2
1.2  多目标进化算法的历史与现状 3
1.3  多目标进化算法性能评价 7
1.3.1  个体评价机制 7
1.3.2  多样性 8
1.3.3  收敛性 11
1.3.4  性能评价指标 12
参考文献 15
第2章  复杂多目标优化问题 18
2.1  高维目标优化问题 18
2.1.1  高维目标优化问题描述 18
2.1.2  高维目标优化问题面临挑战 18
2.1.3  高维目标优化方法研究进展 20
2.1.4  偏好占优的高维目标优化方法 22
2.2  大规模变量优化问题 27
2.2.1  大规模变量优化问题描述 27
2.2.2  大规模变量优化问题面临挑战 27
2.2.3  大规模变量优化方法研究进展 28
2.2.4  大规模变量分解的多目标优化方法 29
参考文献 32
第3章  合作协同进化理论 35
3.1  合作协同进化框架 35
3.1.1  合作协同进化思想 35
3.1.2  合作协同进化模型 36
3.2  合作协同进化适值评价方法 37
3.3  合作协同进化算法收敛性分析 39
3.3.1  理想适值评估的EGT模型 39
3.3.2  实际适值评估的EGT模型 41
参考文献 46
第4章  确定偏好下的高维目标进化算法研究 47
4.1  基于双极偏好占优的高维目标进化算法 47
4.1.1  TOPSIS方法 48
4.1.2  双极偏好占优机制 48
4.1.3  2p-NSGA-Ⅱ算法 50
4.1.4  仿真实验与结果分析 52
4.2  基于偏好向量引导的高维目标进化算法 65
4.2.1  偏好向量生成策略 65
4.2.2  角度惩罚距离机制 69
4.2.3  种群划分和精英策略 72
4.2.4  G-RVEA算法 73
4.2.5  仿真实验与结果分析 74
4.3  基于偏好邻域设置的高维目标进化算法 85
4.3.1  子问题邻域 85
4.3.2  偏好邻域设置策略 86
4.3.3  MOEA/D-DN算法 89
4.3.4  仿真实验与结果分析 90
参考文献 101
第5章  随机偏好下的高维目标进化算法研究 103
5.1  随机偏好自适应协同的高维目标进化算法 104
5.1.1  混合排序机制 104
5.1.2  自适应协同进化策略 105
5.1.3  I-PICEA-g算法 106
5.1.4  仿真实验与结果分析 107
5.2  基于混合支配的随机偏好协同进化算法 111
5.2.1  混合支配策略 112
5.2.2  改进后的适应值赋值方法 113
5.2.3  E-PICEA-g 算法 115
5.2.4  仿真实验与结果分析 116
5.3  基于膝盖点引导的偏好集协同高维目标进化算法 124
5.3.1  膝盖点引入策略 125
5.3.2  偏好区域选择策略 125
5.3.3  K-PICEA-g算法 126
5.3.4  仿真实验与结果分析 127
参考文献 132
第6章  合作协同框架下的大规模变量多目标进化算法研究 133
6.1  基于变量随机分解的多目标粒子群进化算法 133
6.1.1  变量随机分解策略 134
6.1.2  CCMOPSO算法 134
6.1.3  仿真实验与结果分析 136
6.2  基于周期性变量随机分解的多目标进化算法 147
6.2.1  周期性随机分解策略 148
6.2.2  PDMOPSO算法 148
6.2.3  仿真实验与结果分析 148
6.3  基于关联变量分组的多目标进化算法 155
6.3.1  关联变量定义 155
6.3.2  关联变量分组策略 156
6.3.3  MOEAD/IVG算法 157
6.3.4  仿真实验与结果分析 158
参考文献 162
第7章  大规模高维目标优化实际问题 164
7.1  图像形状匹配问题 165
7.1.1  问题描述与模型建立 165
7.1.2  双极偏好占优的滑动窗口参数优化方法 167
7.1.3  仿真实验与结果分析 168
7.2  阵列天线设计问题 170
7.2.1  问题描述与模型建立 171
7.2.2  双极偏好占优的阵列天线优化方法 172
7.2.3  仿真实验与结果分析 173
7.3  桁架结构设计问题 178
7.3.1  问题描述与模型建立 179
7.3.2  双极偏好占优的桁架结构优化方法 180
7.3.3  仿真实验与结果分析 183
7.4  无线传感器网络覆盖控制优化问题 185
7.4.1  问题描述与模型建立 185
7.4.2  无线传感器网络覆盖控制优化方法 187
7.4.3  仿真实验与结果分析 187
7.5  通信系统蜂窝网络功率控制优化问题 192
7.5.1  问题描述与模型建立 193
7.5.2  关联变量分解的功率控制优化方法 194
7.5.3  仿真实验与结果分析 195
参考文献 198
附录A  测试函数表达式及其特性 200
附录B  测试函数Pareto前沿图 203
 
 
本站首页 | 联系我们 | 所有图书 | 资源下载 | 作者投稿 | 读者反馈 | 业务联系 | 招聘信息 | 加入收藏    
Copyright www.abook.cn All Rights Reserved
地址:北京市海淀区北三环西路43号青云当代大厦21层2109   邮编:100086
站长QQ:693638799 Email:693638799@qq.com 电话:010-62140850
版权所有:科学出版社 职教技术出版中心
京ICP备13039988号