書馨卡幫你省薪 2024個(gè)人購書報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)

智能演化優(yōu)化

作者：徐華,袁源
出版社：清華大學(xué)出版社出版時(shí)間：2024-01-01
開本： 16開 頁數(shù)： 346
中 圖 價(jià):¥62.3(7.0折) 定價(jià)  ¥89.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

智能演化優(yōu)化 版權(quán)信息

智能演化優(yōu)化 本書特色

l 基于自然界啟發(fā)式的求解算法，介紹了與經(jīng)典數(shù)學(xué)規(guī)劃原理不同的優(yōu)化算法，通過仿生智能優(yōu)化算法解決復(fù)雜多目標(biāo)優(yōu)化問題，豐富了現(xiàn)代優(yōu)化技術(shù)，并提供了解決傳統(tǒng)優(yōu)化技術(shù)難以處理的高維組合優(yōu)化問題的實(shí)際可行方案。 l 高維多目標(biāo)優(yōu)化問題的研究：關(guān)注高維多目標(biāo)優(yōu)化問題，提出新型算法和技術(shù)，包括目標(biāo)降維方法和代理模型輔助優(yōu)化等，探討在高維目標(biāo)空間中進(jìn)行有效的搜索和優(yōu)化。為處理現(xiàn)實(shí)世界中復(fù)雜的決策問題提供重要的方法和工具。 l 探索智能演化優(yōu)化在不同領(lǐng)域的應(yīng)用：涵蓋了智能演化優(yōu)化在工業(yè)互聯(lián)網(wǎng)等領(lǐng)域的柔性作業(yè)車間調(diào)度問題的研究和開發(fā)工作，為相關(guān)領(lǐng)域的專業(yè)人員提供實(shí)用的指導(dǎo)和解決方案。 了解進(jìn)化多目標(biāo)優(yōu)化的基本概念，掌握多目標(biāo)進(jìn)化算法和前沿動(dòng)態(tài)，開展柔性作業(yè)車間調(diào)度問題的應(yīng)用研究。

智能演化優(yōu)化 內(nèi)容簡介

近年來，演化計(jì)算作為計(jì)算智能領(lǐng)域的化技術(shù)，已經(jīng)廣泛應(yīng)用于求解組合化、工程化等理論和工程類的化問題，形成了一種基于演化的智能化方法。針對(duì)高維空間的多目標(biāo)化問題，近年來基于分解的多目標(biāo)演化算法（MOEAs）利用了分而治之的思想有效降低了求解多目標(biāo)或高維多目標(biāo)化問題的難度。根據(jù)分解的形式不同，基于分解的MOEAs又進(jìn)一步細(xì)分為基于聚合的MOEAs和基于參考點(diǎn)的MOEAs。盡管基于分解的MOEAs是目前求解高維多目標(biāo)化問題有前景的技術(shù)之一，然而它在方法和應(yīng)用層面均存在著缺陷和不足。本書**分圍繞該類方法，著眼于“如何在目標(biāo)空間中平衡收斂性和多樣性”“如何在決策空間中平衡探索與開發(fā)”以及“如何進(jìn)行有效的降維”等科學(xué)問題，展開了系統(tǒng)性的研究，在進(jìn)一步完善其理論框架并推廣其在具體問題上的應(yīng)用。另外，針對(duì)多目標(biāo)柔性作業(yè)車間調(diào)度這一類典型的NP難工程化問題，本書基于演化化的求解思路，分別研究了面向單目標(biāo)化的融合問題知識(shí)的混合和聲搜索方法（HHS）、面向高維空間單目標(biāo)化的混合和聲搜索和大鄰域搜索的集成搜索方法（HHS/LNS），以及面向多目標(biāo)化的基于目標(biāo)重要性分解的模因演化方法，并在多個(gè)基線數(shù)據(jù)集上取得了異的效果。

本書可作為演化計(jì)算、智能化、大數(shù)據(jù)及人工智能等相關(guān)業(yè)研究參考和研究生教學(xué)用書。

智能演化優(yōu)化 目錄

上篇多目標(biāo)化問題與智能演化化方法

第1章引言3

1.1研究背景3

1.2基本概念以及基本框架5

1.2.1多目標(biāo)化問題5

1.2.2多目標(biāo)演化算法簡介6

1.3相關(guān)研究工作綜述8

1.3.1進(jìn)化高維多目標(biāo)化8

1.3.2多目標(biāo)演化算法中的變化算子11

1.4本章小結(jié)12

第2章基礎(chǔ)知識(shí)13

2.1典型的基于分解的多目標(biāo)演化算法13

2.1.1問題分解多目標(biāo)演化算法13

2.1.2集成適應(yīng)度排序14

2.1.3第三代非支配排序遺傳算法14

2.1.4多目標(biāo)遺傳局搜索15

2.2差分進(jìn)化16

2.3柔性作業(yè)車間調(diào)度的析取圖模型17

2.4標(biāo)準(zhǔn)測試問題19

2.4.1高維多目標(biāo)化測試問題19

2.4.2柔性作業(yè)車間調(diào)度測試問題20

2.5性能指標(biāo)20

2.6本章小結(jié)22

第3章在基于聚合的多目標(biāo)演化算法中平衡收斂性和多樣性24

3.1前言24

3.2類似算法簡介25

3.3基本思想26

3.4算法詳解27

3.4.1增強(qiáng)MOEA/D28

3.4.2增強(qiáng)EFR29

3.4.3可選歸一化過程30

3.4.4計(jì)算復(fù)雜度30

3.4.5討論31

3.5實(shí)驗(yàn)設(shè)計(jì)32

3.5.1測試問題32

3.5.2性能指標(biāo)34

3.5.3比較算法34

3.5.4實(shí)驗(yàn)設(shè)置35

3.6算法的性能分析37

3.6.1參數(shù)K的影響38

3.6.2收斂性和多樣性的研究40

3.7與先進(jìn)算法的比較44

3.7.1在歸一化問題上的比較44

3.7.2在非歸一化問題上的比較53

3.7.3進(jìn)一步討論56

3.8本章小結(jié)57

目錄 智能演化化〖2〗〖2〗 〖1〗 第4章基于新型支配關(guān)系的多目標(biāo)演化算法58

4.1前言58

4.2基于θ支配的演化算法59

4.2.1算法框架59

4.2.2參考點(diǎn)的生成60

4.2.3重組算子61

4.2.4自適應(yīng)歸一化62

4.2.5聚類算子62

4.2.6θ支配64

4.2.7θDEA的計(jì)算復(fù)雜度65

4.3實(shí)驗(yàn)設(shè)計(jì)65

4.3.1測試問題65

4.3.2性能指標(biāo)66

4.3.3比較算法67

4.3.4實(shí)驗(yàn)設(shè)置68

4.4實(shí)驗(yàn)結(jié)果70

4.4.1與NSGAⅢ和MOEA/D的比較70

4.4.2與先進(jìn)算法的比較79

4.4.3參數(shù)θ的影響92

4.4.4進(jìn)一步討論95

4.5本章小結(jié)96

第5章基于分解的多目標(biāo)演化算法中的變化算子97

5.1前言97

5.2目標(biāo)算法98

5.3實(shí)驗(yàn)研究99

5.3.1實(shí)驗(yàn)設(shè)置99

5.3.2NSGAⅢDE中參數(shù)的影響100

5.3.3NSGAⅢDE、NSGAⅢSBX: 探索與開發(fā)102

5.3.4NSGAⅢ變體之間的比較104

5.4本章小結(jié)109

第6章多目標(biāo)化中的目標(biāo)降維: 演化多目標(biāo)化方法與綜合分析110

6.1前言110

6.2基本知識(shí)和背景112

6.2.1多目標(biāo)化112

6.2.2目標(biāo)降維的基本概念113

6.2.3Pareto前沿的表示和誤導(dǎo)114

6.2.4目標(biāo)降維的現(xiàn)有方法115

6.3多目標(biāo)化方法117

6.3.1基于支配結(jié)構(gòu)的多目標(biāo)化公式117

6.3.2基于相關(guān)性的多目標(biāo)化公式118

6.3.3使用多目標(biāo)演化化算法119

6.3.4采用多目標(biāo)化方法的好處120

6.4對(duì)基于支配結(jié)構(gòu)的方法和基于相關(guān)性方法的分析121

6.4.1理論基礎(chǔ)121

6.4.2基于支配結(jié)構(gòu)的方法的缺點(diǎn)122

6.4.3基于相關(guān)性方法的勢(shì)和局限性123

6.5基準(zhǔn)實(shí)驗(yàn)125

6.5.1基準(zhǔn)問題125

6.5.2樣本集的生成126

6.5.3算法的比較126

6.5.4多目標(biāo)降維方法行為研究127

6.5.5演化多目標(biāo)化搜索的有效性130

6.5.6在演化多目標(biāo)搜索領(lǐng)域中確定關(guān)鍵目標(biāo)集的比較132

6.6應(yīng)用于現(xiàn)實(shí)問題141

6.6.1應(yīng)用于水資源問題141

6.6.2應(yīng)用于汽車側(cè)面碰撞問題142

6.6.3討論143

6.7方法的勢(shì)145

6.7.1關(guān)于輔助化的目標(biāo)降維145

6.7.2關(guān)于可視化和決策制定147

6.8本章小結(jié)148

第7章利用支配預(yù)測輔助的高成本多目標(biāo)演化化150

7.1前言150

7.2背景知識(shí)152

7.2.1多目標(biāo)化152

7.2.2θ支配153

7.2.3深度前饋經(jīng)網(wǎng)絡(luò)154

7.3θDEADP算法155

7.3.1概述155

7.3.2Representative解157

7.3.3基于支配預(yù)測的代理模型158

7.3.4兩段預(yù)選策略160

7.3.5討論161

7.4實(shí)驗(yàn)162

7.4.1實(shí)驗(yàn)設(shè)計(jì)162

7.4.2多目標(biāo)化問題的性能166

7.4.3眾多目標(biāo)化問題的性能171

7.4.4θDEADP組成分的研究177

7.5本章小結(jié)180

上篇總結(jié)181

下篇柔性作業(yè)車間調(diào)度問題及其化求解

第8章FJS問題概述185

8.1多目標(biāo)柔性作業(yè)車間調(diào)度問題185

8.2多目標(biāo)柔性作業(yè)車間調(diào)度的研究現(xiàn)狀187

8.3模因演算法189

8.3.1模因演算法簡介189

8.3.2求解多目標(biāo)組合化問題的模因演算法190

8.4本章小結(jié)191

第9章基于混合和聲搜索的柔性作業(yè)車間調(diào)度192

9.1前言192

9.2相關(guān)工作介紹193

9.2.1柔性車間調(diào)度193

9.2.2和聲搜索算法（HS算法）194

9.2.3混合和聲搜索（HHS）算法和混合TS算法（TSPCB）之間的差異194

9.3HHS算法196

9.3.1算法框架196

9.3.2和聲向量的表示196

9.3.3和聲向量的評(píng)估196

9.3.4初始化和聲記憶201

9.3.5新和聲向量生成202

9.3.6依賴問題的局搜索203

9.3.7更新和聲記憶207

9.4實(shí)驗(yàn)207

9.4.1實(shí)驗(yàn)設(shè)置207

9.4.2計(jì)算結(jié)果和比較209

9.4.3HHS與其他算法的進(jìn)一步比較215

9.5討論218

9.6本章小結(jié)219

第10章基于混合差分進(jìn)化的柔性作業(yè)車間調(diào)度算法220

10.1前言220

10.2基本DE算法222

10.2.1算法初始化222

10.2.2不同載體的突變222

10.2.3交223

10.2.4選擇223

10.3針對(duì)FJSP的HDE223

10.3.1HDE概述223

10.3.2表示和初始化225

10.3.3雙向量編碼225

10.3.4轉(zhuǎn)換技術(shù)227

10.3.5局搜索算法229

10.4實(shí)驗(yàn)233

10.4.1實(shí)驗(yàn)設(shè)置233

10.4.2Kacem實(shí)例的結(jié)果235

10.4.3BRdata實(shí)例的結(jié)果235

10.4.4BCdata實(shí)例的結(jié)果235

10.4.5HUdata實(shí)例的結(jié)果239

10.4.6HDE的進(jìn)一步性能分析244

10.5本章小結(jié)251

第11章大規(guī)模柔性作業(yè)車間調(diào)度問題的集成搜索啟發(fā)式算法252

11.1前言252

11.2混合和聲搜索253

11.2.1HS簡介253

11.2.2HHS程序254

11.2.3HHS對(duì)FJSP的適配255

11.3大鄰域搜索260

11.3.1LNS概述260

11.3.2FJSP的基于約束的模型261

11.3.3約束破壞算法261

11.3.4構(gòu)造算法262

11.4集成的啟發(fā)式搜索方法: HHS/LNS262

11.5實(shí)驗(yàn)研究263

11.5.1實(shí)驗(yàn)設(shè)置263

11.5.2HHS模塊性能分析263

11.5.3LNS模塊性能分析268

11.5.4整合效應(yīng)269

11.5.5大規(guī)；鶞(zhǔn)實(shí)例的計(jì)算結(jié)果269

11.6本章小結(jié)276

第12章求解多目標(biāo)柔性作業(yè)車間調(diào)度的模因演算法278

12.1前言278

12.2算法概述279

12.3全局搜索策略280

12.3.1染色體編碼280

12.3.2染色體解碼281

12.3.3遺傳作282

12.4局搜索策略283

12.4.1個(gè)體選擇283

12.4.2針對(duì)個(gè)體的局搜索284

12.5實(shí)驗(yàn)分析289

12.5.1評(píng)指標(biāo)290

12.5.2局搜索中接受準(zhǔn)則的實(shí)驗(yàn)研究291

12.5.3遺傳搜索和局搜索混合的有效性293

12.5.4局搜索中分層策略的有效性297

12.5.5與先進(jìn)算法的比較299

12.6進(jìn)一步討論307

12.7本章小結(jié)308

下篇總結(jié)309

參考文獻(xiàn)310

附錄A334

A.1英文縮寫對(duì)照表334

A.2圖片索引338

A.3表格索引342

展開全部

智能演化優(yōu)化 作者簡介

徐華，博士，2003年畢業(yè)于清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系，現(xiàn)為清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系長聘副教授，博士生導(dǎo)師。從事多模態(tài)智能信息處理、智能優(yōu)化和共融機(jī)器人智能控制等研究工作。擔(dān)任愛思唯爾（Elsevier）開放期刊Intelligent Systems with Applications首任主編，權(quán)威期刊Expert Systems with Applications副主編。完成國家科技重大專項(xiàng)課題3項(xiàng)，國家自然科學(xué)基金項(xiàng)目4項(xiàng)，國家973項(xiàng)目二級(jí)課題2項(xiàng)，國家863項(xiàng)目（課題）5項(xiàng)，國際500強(qiáng)企業(yè)（寶潔、西門子、安捷倫等）合作項(xiàng)目13項(xiàng)。目前已在本專業(yè)領(lǐng)域權(quán)威國際期刊和AAAI、ACL、ACMMM等頂級(jí)會(huì)議上發(fā)表學(xué)術(shù)論文100余篇。獲得國家科技進(jìn)步獎(jiǎng)二等獎(jiǎng)1項(xiàng)（集體獎(jiǎng)），北京市科學(xué)技術(shù)獎(jiǎng)一等獎(jiǎng)1項(xiàng)，北京市科學(xué)技術(shù)獎(jiǎng)二等獎(jiǎng)1項(xiàng)（集體獎(jiǎng)），北京市科學(xué)技術(shù)獎(jiǎng)三等獎(jiǎng)1項(xiàng)，重慶市科技進(jìn)步獎(jiǎng)三等獎(jiǎng)1項(xiàng)，中國物流與采購聯(lián)合會(huì)科技發(fā)明獎(jiǎng)一等獎(jiǎng)1項(xiàng)，中國物流與采購聯(lián)合會(huì)科學(xué)技術(shù)獎(jiǎng)一等獎(jiǎng)1項(xiàng)。作為主講教師，主講清華大學(xué)全校性課程“數(shù)據(jù)挖掘：方法與應(yīng)用”“工業(yè)數(shù)據(jù)挖掘與分析”“互聯(lián)網(wǎng)產(chǎn)品設(shè)計(jì)”等課程。獨(dú)立編寫專著和教材5本，其中《演化機(jī)器學(xué)習(xí)》是國內(nèi)首部演化機(jī)器學(xué)習(xí)領(lǐng)域的學(xué)術(shù)專著；《面向共融機(jī)器人的自然交互——人機(jī)對(duì)話意圖理解》是國內(nèi)首部共融機(jī)器人自然交互領(lǐng)域的學(xué)術(shù)專著；《數(shù)據(jù)挖掘：方法與應(yīng)用》和《數(shù)據(jù)挖掘：方法與應(yīng)用——應(yīng)用案例》已經(jīng)被國內(nèi)眾多高校選用為配套教材，并獲得清華大學(xué)優(yōu)秀教材（2020年）二等獎(jiǎng)。 袁源，教授，博士生導(dǎo)師。2015年博士畢業(yè)于清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系，畢業(yè)后先后在新加坡南洋理工大學(xué)和美國密歇根州立大學(xué)從事博士后研究工作。2020年入選國家高層次青年人才項(xiàng)目。研究領(lǐng)域包括計(jì)算智能、機(jī)器學(xué)習(xí)、智能軟件工程、多目標(biāo)優(yōu)化等。迄今為止，以第一作者在IEEE TSE、IEEETEVC、AIJ、ACM GECCO等國際頂級(jí)學(xué)術(shù)期刊和會(huì)議發(fā)表論文10余篇，4篇論文為ESI高被引論文，1篇論文入選中國百篇最具影響國際學(xué)術(shù)論文。目前擔(dān)任IEEE TEVC、IEEE TETCI、ISWA國際期刊副主編，長期擔(dān)任人工智能領(lǐng)域多個(gè)國際頂級(jí)期刊的審稿人。

商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服