多目標進化演算法研究與應用 馬佳 9787551734073 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：東北大學
物品所在地：中國大陸
原出版社：東北大學
NT$293
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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，以到貨標的為正確資訊。 印行年月：202309*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：多目標進化演算法研究與應用 ISBN：9787551734073 出版社：東北大學 著編譯者：馬佳 頁數：167 所在地：中國大陸 *此為代購商品 書號：1630547 可大量預訂，請先連絡。 內容簡介 本書全面總結了多目標進化演算法的發展現狀及國內外同行已取得的成果，針對現實問題，從多個角度對該演算法進行完善和改進，並將改進后的演算法應用於實際問題中。本書內容分為6章：第1章為緒論，介紹了多目標優化問題的概念，並梳理了各種智能優化演算法的基本思想和原理；第2章為多目標進化演算法研究基礎，重點介紹了多目標進化演算法的研究現狀、演算法原理、演算法一般框架及演算法性能評價指標；第3章為多目標進化演算法，重點介紹了目前提出的幾種經典多目標進化演算法的基本原理和流程；第4章為求解智能倉儲機器人調度問題的改進NSGAⅡ演算法，針對智能倉儲系統中的任務分配問題，提出了一種利用非支配排序和maximin適應度函數的新演算法，並進行了應用分析；第5章為基於范數P的maximin適應度排序多目標進化演算法，提出了一種新的基於兩兩比較的適應度評價函數M2F-p來處理多目標優化問題的改進演算法；第6章為基於決策空間分解的大規模進化優化方法。目錄 第1章 緒論1 1 引言 1 2 最優化問題 1 2 1 函數優化問題 1 2 2 組合優化問題 1 3 多目標優化問題 1 4 進化演算法 1 4 1 遺傳演算法 1 4 2 進化策略 1 4 3 進化規劃 1 4 4 遺傳規劃 1 5 智能優化演算法 1 5 1 模擬退火演算法 1 5 2 禁忌搜索演算法 1 5 3 人工免疫演算法 1 5 4 粒子群優化演算法 1 5 5 蟻群演算法 1 5 6 人工蜂群演算法 1 6 本章小結 第2章 多目標進化演算法研究基礎 2 1 多目標進化演算法研究現狀 2 2 多目標進化演算法分類 2 2 1 基於支配關係的MOEA 2 2 2 基於評價指標的MOEA 2 2 3 基於分解的MOEA 2 3 多目標進化演算法原理 2 3 1 適應度分配 2 3 2 精英主義 2 3 3 密度估計 2 4 多目標進化演算法一般框架 2 5 多目標進化演算法性能評價指標 2 5 1 世代距離 2 5 2 均勻性度量方法 2 5 3 超體積 2 5 4 反世代距離 2 6 本章小結 第3章 多目標進化演算法 3 1 MOGA 3 2 NSGAⅡ 3 2 1 NSGAⅡ流程 3 2 2 非劣排序構造方法 3 2 3 擁擠距離及其排序 3 3 NPGA 3 4 SPEA2 3 5 MOEA/D 3 6 多目標進化演算法研究進展 3 6 1 協同多目標進化演算法 3 6 2 動態多目標進化演算法 3 6 3 高維多目標進化演算法 3 6 4 多目標粒子群優化演算法 3 6 5 多目標免疫優化演算法 3 7 本章小結 第4章 求解智能倉儲機器人調度問題的改進NSGAⅡ演算法 4 1 引言 4 2 智能倉儲機器人調度問題描述 4 2 1 問題描述 4 2 2 生成子代 4 3 改進NSGAⅡ演算法思路 4 3 1 構建非支配解集 4 3 2 maximin適應度函數 4 3 3 逐個比較策略 4 3 4 頭腦風暴運算元 4 4 MB-NSGAⅡ演算法流程 4 4 1 標準化 4 4 2 綜合選擇 4 4 3 逐個比較策略 4 5 應用實例分析 4 5 1 基準實驗結果 4 5 2 ZDT和DTLZ的結果與討論 4 5 3 實驗設置 4 5 4 實驗結果分析 4 5 5 任務分配模型的結果與討論 4 6 本章小結 第5章 基於范數P的maximin適應度排序多目標進化演算法 5 1 引言 5 2 問題描述 5 2 1 問題模型 5 2 2 基於聚集兩兩比較的方法 5 2 3 改進思路 5 3 基於M2F-p的改進適應度函數 5 3 1 乘性最大適應度函數M2F 5 3 2 不同p值下M2F-p的搜索能力 5 3 3 M2F-p的基本性質 5 3 4 M2F-p函數選擇策略 5 4 改進M2FMOEA演算法流程 5 4 1 自適應p-選擇策略 5 4 2 環境選擇 5 5 應用實例分析 5 5 1 測試問題 5 5 2 績效指標 5 5 3 實驗配置 5 5 4 DTLZ結果與討論 5 5 5 WFG結果與討論 5 5 6 MaF結果與討論 5 5 7 結論分析 5 5 8 演化過程：IGD指標、HV指標和p 5 6 本章小結 第6章 基於決策空間分解的大規模進化優化方法 6 1 引言 6 2 問題描述 6 3 改進思路 6 3 1 分解策略 6 3 2 Jaccard相似係數 6 3 3 哈希函數 6 4 MHD演算法 6 5 算例分析 6 5 1 精度結果比較和分析 6 5 2 收斂性結果比較和分析 6 5 3 穩定性結果比較和分析 6 6 本章小結 附錄 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。 |
