近年来,演化计算作为计算智能领域的经典优化技术,已经广泛应用于求解组合优化、工程优化等理论和工程类的优化问题,形成了一种基于演化的智能优化方法。针对高维空间的多目标优化问题,近年来基于分解的多目标演化算法(MOEAs)利用了分而治之的思想有效降低了求解多目标或高维多目标优化问题的难度。根据分解的形式不同,基于分解的MOEAs又进一步细分为基于聚合的MOEAs和基于参考点的MOEAs。尽管基于分解的MOEAs是目前求解高维多目标优化问题最有前景的技术之一,然而它在方法和应用层面均存在着缺陷和不足。本书第一部分围绕该类方法,着眼于“如何在目标空间中平衡收敛性和多样性”“如何在决策空间中平衡探索与开发”以及“如何进行有效的降维”等科学问题,展开了系统性的研究,旨在进一步完善其理论框架并推广其在具体问题上的应用。另外,针对多目标柔性作业车间调度这一类典型的NP难工程优化问题,本书基于演化优化的求解思路,分别研究了面向单目标优化的融合问题知识的混合和声搜索方法(HHS)、面向高维空间单目标优化的混合和声搜索和大邻域搜索的集成搜索方法(HHS/LNS),以及面向多目标优化的基于目标重要性分解的模因演化方法,并在多个基线数据集上取得了优异的效果。 本书可作为演化计算、智能优化、大数据及人工智能等相关专业研究参考和研究生教学用书。
l 基于自然界启发式的求解算法,介绍了与经典数学规划原理不同的优化算法,通过仿生智能优化算法解决复杂多目标优化问题,丰富了现代优化技术,并提供了解决传统优化技术难以处理的高维组合优化问题的实际可行方案。 l 高维多目标优化问题的研究:关注高维多目标优化问题,提出新型算法和技术,包括目标降维方法和代理模型辅助优化等,探讨在高维目标空间中进行有效的搜索和优化。为处理现实世界中复杂的决策问题提供重要的方法和工具。 l 探索智能演化优化在不同领域的应用:涵盖了智能演化优化在工业互联网等领域的柔性作业车间调度问题的研究和开发工作,为相关领域的专业人员提供实用的指导和解决方案。
- 版权: 清华大学出版社
- 出版: 2024-02-01
- 更新: 2024-05-28
- 书号:9787302654995
- 中图:TP301.6
- 学科:工学控制科学与工程工学计算机科学与技术