| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考,以到貨標的為實際資訊。 印行年月:202402*若逾兩年請先於私訊洽詢存貨情況,謝謝。 台灣(台北市)在地出版社,每筆交易均開具統一發票,祝您中獎最高1000萬元。 書名:智能演化優化 ISBN:9787302654995 出版社:清華大學 著編譯者:徐華 袁源 頁數:346 所在地:中國大陸 *此為代購商品 書號:1622054 可大量預訂,請先連絡。 內容簡介 近年來,演化計算作為計算智能領域的經典優化技術,已經廣泛應用於求解組合優化、工程優化等理論和工程類的優化問題,形成了一種基於演化的智能優化方法。針對高維空間的多目標優化問題,近年來基於分解的多目標演化演算法(MOEAs)利用了分而治之的思想有效降低了求解多目標或高維多目標優化問題的難度。根據分解的形式不同,基於分解的MOEAs又進一步細分為基於聚合的MOEAs和基於參考點的MOEAs。儘管基於分解的MOEAs是目前求解高維多目標優化問題最有前景的技術之一,然而它在方法和應用層面均存在著缺陷和不足。本書第一部分圍繞該類方法,著眼于「如何在目標空間中平衡收斂性和多樣性」「如何在決策空間中平衡探索與開發」以及「如何進行有效的降維」等科學問題,展開了系統性的研究,旨在進一步完善其理論框架並推廣其在具體問題上的應用。另外,針對多目標柔性作業車間調度這一類典型的NP難工程優化問題,本書基於演化優化的求解思路,分別研究了面向單目標優化的融合問題知識的混合和聲搜索方法(HHS)、面向高維空間單目標優化的混合和聲搜索和大鄰域搜索的集成搜索方法(HHS/LNS),以及面向多目標優化的基於目標重要性分解的模因演化方法,並在多個基線數據集上取得了優異的效果。 本書可作為演化計算、智能優化、大數據及人工智慧等相關專業研究參考和研究生教學用書。作者簡介 袁源,教授,博士生導師。2015年博士畢業於清華大學計算機科學與技術系,畢業后先後在新加坡南洋理工大學和美國密歇根州立大學從事博士后研究工作。2020年入選國家高層次青年人才項目。研究領域包括計算智能、機器學習、智能軟體工程、多目標優化等。迄今為止,以第一作者在IEEE TSE、IEEETEVC、AIJ、ACM GECCO等國際頂級學術期刊和會議發表論文10餘篇,4篇論文為ESI高被引論文,1篇論文入選中國百篇最具影響國際學術論文。目前擔任IEEE TEVC、IEEE TETCI、ISWA國際期刊副主編,長期擔任人工智慧領域多個國際頂級期刊的審稿人。目錄 上篇 多目標優化問題與智能演化優化方法第1章 引言 1 1 研究背景 1 2 基本概念以及基本框架 1 2 1 多目標優化問題 1 2 2 多目標演化演算法簡介 1 3 相關研究工作綜述 1 3 1 進化高維多目標優化 1 3 2 多目標演化演算法中的變化運算元 1 4 本章小結 第2章 基礎知識 2 1 典型的基於分解的多目標演化演算法 2 1 1 問題分解多目標演化演算法 2 1 2 集成適應度排序 2 1 3 第三代非支配排序遺傳演算法 2 1 4 多目標遺傳局部搜索 2 2 差分進化 2 3 柔性作業車間調度的析取圖模型 2 4 標準測試問題 2 4 1 高維多目標優化測試問題 2 4 2 柔性作業車間調度測試問題 2 5 性能指標 2 6 本章小結 第3章 在基於聚合的多目標演化演算法中平衡收斂性和多樣性 3 1 前言 3 2 類似演算法簡介 3 3 基本思想 3 4 演算法詳解 3 4 1 增強MOEA/D 3 4 2 增強EFR 3 4 3 可選歸一化過程 3 4 4 計算複雜度 3 4 5 討論 3 5 實驗設計 3 5 1 測試問題 3 5 2 性能指標 3 5 3 比較演算法 3 5 4 實驗設置 3 6 演算法的性能分析 3 6 1 參數K的影響 3 6 2 收斂性和多樣性的研究 3 7 與先進演算法的比較 3 7 1 在歸一化問題上的比較 3 7 2 在非歸一化問題上的比較 3 7 3 進一步討論 3 8 本章小結 第4章 基於新型支配關係的多目標演化演算法 4 1 前言 4 2 基於θ-支配的演化演算法 4 2 1 演算法框架 4 2 2 參考點的生成 4 2 3 重組運算元 4 2 4 自適應歸一化 4 2 5 聚類運算元 下篇 柔性作業車間調度問題及其優化求解 參考文獻 附錄A 詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於PChome商店街私訊告知ISBN或書號,我們即儘速上架。 |