相關商品
商品簡介
作者簡介
目次
商品簡介
群體智能優化算法作為解決復雜優化問題的有力工具近年來獲得了較大的發展，業已成為智能計算領域的研究熱點之一。
《多目標群體智能優化算法/新一代人工智能系列叢書》比較全面地介紹了多目標優化問題和群體智能優化算法的研究現狀和發展趨勢，討論了多目標優化方法的基本知識和基本原理；探討了多目標優化方法的性能度量方法和基準的多目標優化測試函數集，並分類闡述了幾種多目標煙花爆炸算法、多目標螢火蟲算法、多目標粒子群算法和多目標進化算法的設計過程，包括算法的算子、算法流程、實驗方案和實驗結果與分析等。
《多目標群體智能優化算法/新一代人工智能系列叢書》可作為計算機、人工智能和其他相關專業高年級本科生、碩士研究生、博士研究生，以及多目標群智能算法的愛好者和相關從業者進行學習和研究的參考書。
《多目標群體智能優化算法/新一代人工智能系列叢書》比較全面地介紹了多目標優化問題和群體智能優化算法的研究現狀和發展趨勢，討論了多目標優化方法的基本知識和基本原理；探討了多目標優化方法的性能度量方法和基準的多目標優化測試函數集，並分類闡述了幾種多目標煙花爆炸算法、多目標螢火蟲算法、多目標粒子群算法和多目標進化算法的設計過程，包括算法的算子、算法流程、實驗方案和實驗結果與分析等。
《多目標群體智能優化算法/新一代人工智能系列叢書》可作為計算機、人工智能和其他相關專業高年級本科生、碩士研究生、博士研究生，以及多目標群智能算法的愛好者和相關從業者進行學習和研究的參考書。
作者簡介
謝承旺，男，1974年10月出生，湖北武漢人，博士，教授，碩士生導師，中國計算機學會高級會員。
謝承旺教授主要從事進化計算、群體智能優化理論與應用等研究，近年來在多目標群體智能優化和高維多目標進化優化方面開展了較為深入的研究。近五年來，主持和參與國家自然科學基金項目5項、主持和參與省級自然科學基金重點項目、省級重大科技專項等項目10餘項，並指導研究生多次獲得省級研究生創新基金項目。作者在《Information Sciences》《Neurocomputing》《計算機學報》《軟件學報》和《自動化學報》等著名期刊上發表學術論文60餘篇，申請國家發明專利多項。
謝承旺教授主要從事進化計算、群體智能優化理論與應用等研究，近年來在多目標群體智能優化和高維多目標進化優化方面開展了較為深入的研究。近五年來，主持和參與國家自然科學基金項目5項、主持和參與省級自然科學基金重點項目、省級重大科技專項等項目10餘項，並指導研究生多次獲得省級研究生創新基金項目。作者在《Information Sciences》《Neurocomputing》《計算機學報》《軟件學報》和《自動化學報》等著名期刊上發表學術論文60餘篇，申請國家發明專利多項。
目次
第1章 多目標優化問題
1．1 多目標優化問題的發展
1．1．1 多目標優化問題的歷史
1．1．2 多目標進化算法
1．1．3 多目標進化優化方法的新趨勢
1．1．4 高維多目標優化問題
1．2 多目標優化問題及相關概念
1．2．1 多目標優化問題的模型
1．2．2 多目標優化問題相關概念
1．2．3 多目標進化算法的設計目標
1．3 群體智能優化算法基礎
本章參考文獻
第2章 多目標優化算法性能度量
2．1 性能度量方法概述
2．2 常見的性能度量方法
2．2．1 收斂性度量方法
2．2．2 分布性度量方法
2．2．3 綜合性能度量指標
本章參考文獻
第3章 多目標優化測試問題
3．1 引言
3．2 多目標優化問題的設計原則和方法
3．3 ZDT系列測試問題
3．4 DTLZ系列測試問題
3．5 WFG系列測試函數
3．5．1 形狀函數
3．5．2 轉換函數
3．5．3 WFG系列函數
3．6 UF系列測試函數
3．7 多目標優化算法性能的比較
本章參考文獻
第4章 多目標煙花爆炸算法
4．1 煙花爆炸算法
4．1．1 煙花爆炸算法基礎
4．1．2 煙花爆炸算法的實現
4．1．3 煙花爆炸算法的進展
4．2 應用精英反向學習的多目標煙花爆炸算法
4．2．1 引言
4．2．2 多目標優化問題及相關概念
4．2．3 MOFAEOL算法
4．2．4 實驗結果與分析
4．2．5 結論
4．3 增強型多目標煙花爆炸算法
4．3．1 引言
4．3．2 eMOFEOA算法
4．3．3 實驗結果與分析
4．3．4 結論
本章參考文獻
第5章 多目標螢火蟲算法
5．1 螢火蟲算法
5．1．1 螢火蟲算法基礎
5．1．2 螢火蟲算法基本思想
5．1．3 螢火蟲算法的數學描述
5．1．4 基本螢火蟲算法的流程
5．2 混合型多目標螢火蟲算法
5．2．1 引言
5．2．2 多目標優化問題定義
5．2．3 HMOFA算法
5．2．4 實驗與結果分析
5．2．5 結論
5．3 多策略協同的多目標螢火蟲算法
5．3．1 引言
5．3．2 多目標優化問題相關概念
5．3．3 MOFA-MCS算法
5．3．4 實驗結果與分析
5．3．5 結論
本章參考文獻
第6章 多目標粒子群優化算法
6．1 粒子群優化算法
6．1．1 粒子群優化算法基礎
6．1．2 全局最優PSO算法
6．1．3 局部最優PSO算法
6．1．4 粒子群算法的應用
6．2 多種策略融合的多目標粒子群優化算法
6．2．1 引言
6．2．2 MSMOPSO算法
6．2．3 MSMOPSO算法收斂性分析
6．2．4 實驗結果與分析
6．2．5 結論
6．3 自適應模糊支配的高維多目標粒子群算法
6．3．1 引言
6．3．2 高維多目標粒子群算法基本知識
6．3．3 MaPSOAF算法
6．3．4 實驗與分析
6．3．5 結論
本章參考文獻
第7章 多目標進化算法
7．1 進化算法基礎
7．1．1 進化算法簡介
7．1．2 進化算法形式化描述
7．1．3 遺傳算法的基本原理
7．1．4 進化算法的研究現狀
7．2 一種雙鏈結構的多目標進化算法
7．2．1 引言
7．2．2 DCMOEA算法
7．2．3 實驗結果與分析
7．2．4 結論
7．3 應用檔案精英學習和反向學習的多目標進化算法
7．3．1 引言
7．3．2 多目標優化問題相關概念與定理
7．3．3 AOL-MOEA算法
7．3．4 實驗結果與分析
7．3．5 結論
7．4 基於分解和協同策略的高維多目標進化算法
7．4．1 引言
7．4．2 多目標優化問題基本概念
7．4．3 MaOEA/DCE算法
7．4．4 實驗結果與分析
7．4．5 結論
本章參考文獻
1．1 多目標優化問題的發展
1．1．1 多目標優化問題的歷史
1．1．2 多目標進化算法
1．1．3 多目標進化優化方法的新趨勢
1．1．4 高維多目標優化問題
1．2 多目標優化問題及相關概念
1．2．1 多目標優化問題的模型
1．2．2 多目標優化問題相關概念
1．2．3 多目標進化算法的設計目標
1．3 群體智能優化算法基礎
本章參考文獻
第2章 多目標優化算法性能度量
2．1 性能度量方法概述
2．2 常見的性能度量方法
2．2．1 收斂性度量方法
2．2．2 分布性度量方法
2．2．3 綜合性能度量指標
本章參考文獻
第3章 多目標優化測試問題
3．1 引言
3．2 多目標優化問題的設計原則和方法
3．3 ZDT系列測試問題
3．4 DTLZ系列測試問題
3．5 WFG系列測試函數
3．5．1 形狀函數
3．5．2 轉換函數
3．5．3 WFG系列函數
3．6 UF系列測試函數
3．7 多目標優化算法性能的比較
本章參考文獻
第4章 多目標煙花爆炸算法
4．1 煙花爆炸算法
4．1．1 煙花爆炸算法基礎
4．1．2 煙花爆炸算法的實現
4．1．3 煙花爆炸算法的進展
4．2 應用精英反向學習的多目標煙花爆炸算法
4．2．1 引言
4．2．2 多目標優化問題及相關概念
4．2．3 MOFAEOL算法
4．2．4 實驗結果與分析
4．2．5 結論
4．3 增強型多目標煙花爆炸算法
4．3．1 引言
4．3．2 eMOFEOA算法
4．3．3 實驗結果與分析
4．3．4 結論
本章參考文獻
第5章 多目標螢火蟲算法
5．1 螢火蟲算法
5．1．1 螢火蟲算法基礎
5．1．2 螢火蟲算法基本思想
5．1．3 螢火蟲算法的數學描述
5．1．4 基本螢火蟲算法的流程
5．2 混合型多目標螢火蟲算法
5．2．1 引言
5．2．2 多目標優化問題定義
5．2．3 HMOFA算法
5．2．4 實驗與結果分析
5．2．5 結論
5．3 多策略協同的多目標螢火蟲算法
5．3．1 引言
5．3．2 多目標優化問題相關概念
5．3．3 MOFA-MCS算法
5．3．4 實驗結果與分析
5．3．5 結論
本章參考文獻
第6章 多目標粒子群優化算法
6．1 粒子群優化算法
6．1．1 粒子群優化算法基礎
6．1．2 全局最優PSO算法
6．1．3 局部最優PSO算法
6．1．4 粒子群算法的應用
6．2 多種策略融合的多目標粒子群優化算法
6．2．1 引言
6．2．2 MSMOPSO算法
6．2．3 MSMOPSO算法收斂性分析
6．2．4 實驗結果與分析
6．2．5 結論
6．3 自適應模糊支配的高維多目標粒子群算法
6．3．1 引言
6．3．2 高維多目標粒子群算法基本知識
6．3．3 MaPSOAF算法
6．3．4 實驗與分析
6．3．5 結論
本章參考文獻
第7章 多目標進化算法
7．1 進化算法基礎
7．1．1 進化算法簡介
7．1．2 進化算法形式化描述
7．1．3 遺傳算法的基本原理
7．1．4 進化算法的研究現狀
7．2 一種雙鏈結構的多目標進化算法
7．2．1 引言
7．2．2 DCMOEA算法
7．2．3 實驗結果與分析
7．2．4 結論
7．3 應用檔案精英學習和反向學習的多目標進化算法
7．3．1 引言
7．3．2 多目標優化問題相關概念與定理
7．3．3 AOL-MOEA算法
7．3．4 實驗結果與分析
7．3．5 結論
7．4 基於分解和協同策略的高維多目標進化算法
7．4．1 引言
7．4．2 多目標優化問題基本概念
7．4．3 MaOEA/DCE算法
7．4．4 實驗結果與分析
7．4．5 結論
本章參考文獻
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。