多目標(biāo)進(jìn)化算法及其應(yīng)用

第1章　緒論
　1.1　多目標(biāo)優(yōu)化問題
　1.2　基于Pareto的多目標(biāo)最優(yōu)解集
　1.3　多目標(biāo)進(jìn)化個(gè)體之間的支配關(guān)系
　1.4　多目標(biāo)進(jìn)行算法
　1.5　多目標(biāo)進(jìn)化算法研究的歷史與現(xiàn)狀
　1.6　有待進(jìn)一步研究的課題
第2章　多目標(biāo)進(jìn)化算法
　2.1　Schaffer和Fonseca等的工作
　2.2　NSGA－Ⅱ
　2.3　NPGA
　2.4　SPEA2
　2.5　PESA
　2.6　PAES
2.7 MGAMOO
2.8 MOMGA
　2.9　基于密度的多目標(biāo)進(jìn)化算法
　2.10　mBOA
　2.11　實(shí)驗(yàn)結(jié)果
第3章　MOEA性能評(píng)價(jià)
　3.1　概述　
　3.2　實(shí)驗(yàn)設(shè)計(jì)與分析　
　3.3　MOEA性能評(píng)價(jià)方法　
第4章　多目標(biāo)Pareto最優(yōu)解集
　4.1　構(gòu)造Pareto最優(yōu)解的簡(jiǎn)單方法
　4.2　用莊家法則構(gòu)造Pareto最優(yōu)解集
　4.3　用擂臺(tái)賽法則構(gòu)造Pareto最優(yōu)解集
　4.4　用遞歸方法構(gòu)造Pareto最優(yōu)解集
　4.5　用快速排序方法構(gòu)造Pareto最優(yōu)解集
　4.6　用改進(jìn)的快速排序方法構(gòu)造Pareto最優(yōu)解集
第5章　多目標(biāo)進(jìn)化群體的分布性
　5.1　用小生境技術(shù)保持進(jìn)化群體的分布性
　5.2　用信息熵保持進(jìn)化群體的分布性
　5.3　用聚集密度方法保持進(jìn)化群體的分布性
　5.4　用網(wǎng)格保持進(jìn)化群體的分布性
　5.5　用聚類方法保持進(jìn)化群體的分布性
第6章　MOEA收斂性
　6.1　多目標(biāo)進(jìn)化模型及其收斂性分析
　6.2　自適應(yīng)網(wǎng)格算法及其收斂性
　6.3　MOEA的收斂性分析
第7章　MOEA測(cè)試函數(shù)　
　7.1　概述
　7.2　MOEA測(cè)試函數(shù)集
　7.3　MOP問題的分類　
　7.4　構(gòu)造MOP測(cè)試函數(shù)的方法
　7.5　DTLZ測(cè)試函數(shù)系列
　7.6　組合優(yōu)化類MOEA測(cè)試函數(shù)　
第8章　MOEA應(yīng)用
　8.1　MOEA應(yīng)用概述　
　8.2　MOEA在車輛路徑問題中的應(yīng)用
　8.3　MOEA在供水系統(tǒng)中的應(yīng)用
附錄A　符號(hào)及縮寫索引　
附錄B　MOPs測(cè)試函數(shù)
附錄C　表B.1測(cè)試函數(shù)的Ptrue圖和PFtrue圖
附錄D　表B.2測(cè)試函數(shù)的Ptrue圖和PFtrue圖
參考文獻(xiàn)