學(xué)習(xí)型智能優(yōu)化算法及其應(yīng)用（排序與調(diào)度叢書）

第1章緒論
1.1背景及意義
1.1.1背景
1.1.2動機
1.2智能優(yōu)化方法
1.3知識導(dǎo)向的智能優(yōu)化算法
1.3.1傳統(tǒng)人工智能引導(dǎo)的智能優(yōu)化算法
1.3.2特定知識模型引導(dǎo)的智能優(yōu)化算法
1.3.3具有雙層進化機制的文化算法
1.4章節(jié)結(jié)構(gòu)
第2章學(xué)習(xí)型智能優(yōu)化方法
2.1學(xué)習(xí)型智能優(yōu)化相關(guān)理論
2.1.1知識
2.1.2知識模型
2.1.3遺傳算法
2.1.4蟻群算法
2.1.5學(xué)習(xí)型智能優(yōu)化的基本框架
2.1.6學(xué)習(xí)型智能優(yōu)化的運行機制
2.2學(xué)習(xí)型智能優(yōu)化中的知識
2.2.1精英個體知識
2.2.2構(gòu)件知識
2.2.3算子知識
2.2.4參數(shù)知識
2.3學(xué)習(xí)型智能優(yōu)化算法的框架與流程
2.3.1求解函數(shù)優(yōu)化問題的學(xué)習(xí)型遺傳算法框架與流程
2.3.2求解非對稱旅行商問題的學(xué)習(xí)型遺傳算法框架與
流程
2.3.3求解雙層CARP優(yōu)化問題的學(xué)習(xí)型遺傳算法框架與
流程
2.3.4求解雙層CARP優(yōu)化問題的學(xué)習(xí)型蟻群算法框架與
流程
2.3.5求解柔性作業(yè)車間調(diào)度問題的學(xué)習(xí)型蟻群算法框架與
流程
2.3.6求解柔性作業(yè)車間調(diào)度問題的學(xué)習(xí)型協(xié)同進化算法框架與
流程
2.3.7求解體系仿真優(yōu)化問題的學(xué)習(xí)型遺傳算法框架與
流程
2.3.8求解衛(wèi)星地面站系統(tǒng)任務(wù)調(diào)度的學(xué)習(xí)型蟻群算法框架與
流程
2.3.9求解多星任務(wù)規(guī)劃問題的學(xué)習(xí)型蟻群算法框架與
流程
2.4本章小結(jié)
第3章求解函數(shù)優(yōu)化問題的學(xué)習(xí)型遺傳算法
3.1問題描述及特點分析
3.2求解過程
3.2.1種群初始化
3.2.2選擇操作
3.2.3交叉操作
3.2.4變異操作
3.2.5災(zāi)變操作
3.2.6終止條件
3.3實驗結(jié)果及分析
3.3.1參數(shù)設(shè)置
3.3.2幾種典型的函數(shù)優(yōu)化方法
3.3.3普通測試函數(shù)的實驗結(jié)果
3.3.4組合測試函數(shù)的實驗結(jié)果
3.4本章小結(jié)
第4章求解非對稱旅行商問題的學(xué)習(xí)型遺傳算法
4.1問題描述及特點分析
4.1.1旅行商問題描述
4.1.2旅行商問題的分類
4.1.3旅行商問題的應(yīng)用和價值
4.1.4旅行商問題的計算復(fù)雜性
4.2求解過程
4.2.1種群初始化操作
4.2.2選擇操作
4.2.3交叉操作
4.2.4變異操作
4.2.5種群替換操作
4.2.6局部優(yōu)化操作
4.2.7終止條件
4.3實驗結(jié)果及分析
4.4本章小結(jié)
第5章求解雙層CARP優(yōu)化問題的學(xué)習(xí)型遺傳算法和學(xué)習(xí)型蟻群
算法
5.1問題描述及特點分析
5.1.1雙層CARP優(yōu)化問題的相關(guān)術(shù)語
5.1.2雙層CARP優(yōu)化問題的數(shù)學(xué)模型
5.1.3雙層CARP優(yōu)化問題的簡單實例
5.1.4雙層CARP優(yōu)化問題的特點
5.2求解框架
5.2.1雙層CARP優(yōu)化問題的求解框架
5.2.2宏觀配置優(yōu)化方法
5.2.3擴展啟發(fā)式方法ERPS
5.2.4擴展啟發(fā)式方法ERUH
5.3求解過程
5.3.1學(xué)習(xí)型遺傳算法求解過程
5.3.2學(xué)習(xí)型蟻群算法求解過程
5.4學(xué)習(xí)型遺傳算法的實驗結(jié)果及分析
5.4.1實驗設(shè)計和參數(shù)設(shè)置
5.4.2LEGA1和LEGA2的比較實驗
5.4.3LEGA2和LEGA3的比較實驗
5.4.4ERPS和LEGA3的比較實驗
5.4.5ERUH和LEGA3的比較實驗
5.4.6不同方法的優(yōu)化曲線
5.5學(xué)習(xí)型蟻群算法的實驗結(jié)果及分析
5.5.1實驗設(shè)計和參數(shù)設(shè)置
5.5.2ERPS和LEACO的實驗結(jié)果
5.5.3ERUH和LEACO的實驗結(jié)果
5.5.4LEGA和LEACO的實驗結(jié)果
5.6本章小結(jié)
第6章求解柔性作業(yè)車間調(diào)度問題的學(xué)習(xí)型蟻群算法和學(xué)習(xí)型協(xié)同
進化算法
6.1問題描述及特點分析
6.1.1柔性作業(yè)車間調(diào)度問題的描述
6.1.2柔性作業(yè)車間調(diào)度問題的分類
6.1.3柔性作業(yè)車間調(diào)度問題的特點
6.1.4柔性作業(yè)車間調(diào)度問題的求解過程
6.2求解過程
6.2.1學(xué)習(xí)型蟻群算法求解過程
6.2.2學(xué)習(xí)型協(xié)同進化算法求解過程
6.3學(xué)習(xí)型蟻群算法的實驗結(jié)果及分析
6.4學(xué)習(xí)型協(xié)同進化算法的實驗結(jié)果及分析
6.5本章小結(jié)
第7章求解體系仿真優(yōu)化問題的學(xué)習(xí)型遺傳算法
7.1問題描述
7.1.1體系實例
7.1.2數(shù)學(xué)模型
7.2求解過程
7.2.1分層優(yōu)化方法
7.2.2學(xué)習(xí)型遺傳算法步驟
7.3實驗結(jié)果及分析
7.4本章小結(jié)
第8章求解衛(wèi)星地面站系統(tǒng)任務(wù)調(diào)度的學(xué)習(xí)型蟻群算法
8.1問題描述
8.2求解過程
8.2.1信息素的定義和初始化
8.2.2可行解的構(gòu)造
8.2.3導(dǎo)向局部搜索方法
8.2.4信息素的更新
8.2.5終止準(zhǔn)則
8.3實驗結(jié)果及分析
8.4本章小結(jié)
第9章求解多星任務(wù)規(guī)劃問題的學(xué)習(xí)型蟻群算法
9.1問題描述
9.1.1多星任務(wù)規(guī)劃的基本輸入要素
9.1.2多星任務(wù)規(guī)劃的基本約束條件
9.1.3多星任務(wù)規(guī)劃的基本輸出要素
9.1.4多星任務(wù)規(guī)劃的基本假設(shè)
9.1.5多星任務(wù)規(guī)劃問題分析
9.2問題建模
9.2.1數(shù)學(xué)符號
9.2.2元任務(wù)
9.2.3合成任務(wù)
9.2.4收益函數(shù)構(gòu)造
9.2.5多星任務(wù)規(guī)劃模型
9.3求解過程
9.3.1知識初始化
9.3.2任務(wù)指派
9.3.3任務(wù)合成
9.3.4調(diào)度改進
9.3.5知識學(xué)習(xí)
9.3.6終止準(zhǔn)則
9.4實驗結(jié)果及分析
9.4.1測試實例的構(gòu)造
9.4.2實驗結(jié)果及分析
9.5本章小結(jié)
第10章總結(jié)與展望
10.1主要成果
10.2研究展望
參考文獻
索引
附錄A函數(shù)優(yōu)化問題的一些普通測試函數(shù)
附錄B函數(shù)優(yōu)化問題的一些組合測試函數(shù)
附錄C雙層CARP優(yōu)化問題的測試實例
附錄D雙層CARP優(yōu)化問題的下限估計方法
D.1服務(wù)成本的下限估計
D.2空車成本的下限估計
D.3倉庫構(gòu)建成本的下限估計
D.4車輛購置成本的下限估計
附錄E英漢排序與調(diào)度詞匯