第1章 多目标优化问题 1
1.1 多目标优化问题的发展 1
1.1.1 多目标优化问题的历史 1
1.1.2 多目标进化算法 2
1.1.3 多目标进化优化方法的新趋势 4
1.1.4 高维多目标优化问题 5
1.2 多目标优化问题及相关概念 8
1.2.1 多目标优化问题的模型 8
1.2.2 多目标优化问题相关概念 9
1.2.3 多目标进化算法的设计目标 13
1.3 群体智能优化算法基础 13
本章参考文献 14
第2章 多目标优化算法性能度量 21
2.1 性能度量方法概述 21
2.2 常见的性能度量方法 22
2.2.1 收敛性度量方法 22
2.2.2 分布性度量方法 27
2.2.3 综合性能度量指标 30
本章参考文献 33
第3章 多目标优化测试问题 35
3.1 引言 35
3.2 多目标优化问题的设计原则和方法 36
3.3 ZDT系列测试问题 38
3.4 DTLZ系列测试问题 41
3.5 WFG系列测试函数 49
3.5.1 形状函数 49
3.5.2 转换函数 50
3.5.3 WFG系列函数 52
3.6 UF系列测试函数 57
3.7 多目标优化算法性能的比较 65
本章参考文献 66
第4章 多目标烟花爆炸算法 68
4.1 烟花爆炸算法 68
4.1.1 烟花爆炸算法基础 68
4.1.2 烟花爆炸算法的实现 71
4.1.3 烟花爆炸算法的进展 73
4.2 应用精英反向学习的多目标烟花爆炸算法 74
4.2.1 引言 74
4.2.2 多目标优化问题及相关概念 76
4.2.3 MOFAEOL算法 77
4.2.4 实验结果与分析 81
4.2.5 结论 91
4.3 增强型多目标烟花爆炸算法 91
4.3.1 引言 91
4.3.2 eMOFEOA算法 92
4.3.3 实验结果与分析 96
4.3.4 结论 101
本章参考文献 101
第5章 多目标萤火虫算法 105
5.1 萤火虫算法 105
5.1.1 萤火虫算法基础 105
5.1.2 萤火虫算法基本思想 106
5.1.3 萤火虫算法的数学描述 107
5.1.4 基本萤火虫算法的流程 107
5.2 混合型多目标萤火虫算法 108
5.2.1 引言 108
5.2.2 多目标优化问题定义 110
5.2.3 HMOFA算法 110
5.2.4 实验与结果分析 118
5.2.5 结论 130
5.3 多策略协同的多目标萤火虫算法 130
5.3.1 引言 130
5.3.2 多目标优化问题相关概念 132
5.3.3 MOFA-MCS算法 132
5.3.4 实验结果与分析 136
5.3.5 结论 152
本章参考文献 153
第6章 多目标粒子群优化算法 157
6.1 粒子群优化算法 157
6.1.1 粒子群优化算法基础 157
6.1.2 全局最优PSO算法 158
6.1.3 局部最优PSO算法 159
6.1.4 粒子群算法的应用 160
6.2 多种策略融合的多目标粒子群优化算法 160
6.2.1 引言 160
6.2.2 MSMOPSO算法 162
6.2.3 MSMOPSO算法收敛性分析 168
6.2.4 实验结果与分析 169
6.2.5 结论 181
6.3 自适应模糊支配的高维多目标粒子群算法 181
6.3.1 引言 181
6.3.2 高维多目标粒子群算法基本知识 183
6.3.3 MaPSOAF算法 184
6.3.4 实验与分析 191
6.3.5 结论 197
本章参考文献 198
第7章 多目标进化算法 203
7.1 进化算法基础 203
7.1.1 进化算法简介 203
7.1.2 进化算法形式化描述 204
7.1.3 遗传算法的基本原理 207
7.1.4 进化算法的研究现状 208
7.2 一种双链结构的多目标进化算法 208
7.2.1 引言 208
7.2.2 DCMOEA算法 210
7.2.3 实验结果与分析 213
7.2.4 结论 222
7.3 应用档案精英学习和反向学习的多目标进化算法 222
7.3.1 引言 222
7.3.2 多目标优化问题相关概念与定理 223
7.3.3 AOL-MOEA算法 223
7.3.4 实验结果与分析 230
7.3.5 结论 240
7.4 基于分解和协同策略的高维多目标进化算法 240
7.4.1 引言 240
7.4.2 多目标优化问题基本概念 243
7.4.3 MaOEA/DCE算法 243
7.4.4 实验结果与分析 251
7.4.5 结论 259
本章参考文献 259