多目标优化免疫算法、理论和应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

多目标优化免疫算法、理论和应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 多目标优化研究进展1

1.1 多目标优化问题1

1.2　多目标优化问题的数学模型3

1.3　多目标优化算法4

1.3.1　古典的多目标优化方法4

1.3.2　基于进化算法的多目标优化方法5

1.3.3　基于粒子群的多目标优化方法10

1.3.4　基于协同进化的多目标优化方法11

1.3.5　基于人工免疫系统的多目标优化方法12

1.3.6　基于分布估计的多目标优化方法16

1.4　多目标优化的研究趋势16

1.4.1　新型占优机制研究17

1.4.2　高维多目标优化的研究17

1.4.3　动态多目标优化的研究19

1.4.4　多目标优化测试问题研究19

1.5　多目标优化算法的设计目标20

参考文献21

第2章　人工免疫系统基础28

2.1　进化计算的基础28

2.1.1　进化计算的生物学基础28

2.1.2　进化算法的一般框架及特点29

2.1.3　进化算法的主要分支30

2.1.4　进化算法研究进展32

2.2　生物免疫系统34

2.2.1　生物免疫学和免疫的基本概念34

2.2.2　免疫分类35

2.2.3　免疫系统及其功能36

2.3　生物免疫系统的两个重要学说40

2.3.1　克隆选择学说40

2.3.2　免疫网络学说42

2.4　人工免疫系统43

2.4.1　人工免疫系统研究历史和现状43

2.4.2　人工免疫系统模型44

2.4.3　人工免疫系统算法45

参考文献48

第3章 多目标优化算法的收敛性及性能度量53

3.1　多目标优化算法的收敛性53

3.1.1　概述53

3.1.2　全局收敛性的特征54

3.1.3　Pareto-最优解集的特征54

3.1.4　多目优化算法的收敛性56

3.2　多目标优化算法的性能度量57

3.2.1　概述57

3.2.2　常见的性能度量方法58

3.2.3　改进的性能度量方法60

3.3　本章小结64

参考文献64

第4章　免疫克隆选择多目标优化算法67

4.1 引言67

4.2　算法设计与实现68

4.2.1　算法流程图69

4.2.2　初始化69

4.2.3　免疫克隆操作69

4.2.4　免疫基因操作71

4.2.5　克隆选择操作72

4.2.6　抗体群更新操作73

4.2.7　NICA用于求解多目标优化问题74

4.3　算法的复杂度分析75

4.4　算法的性能度量指标76

4.5　仿真结果及其分析76

4.5.1　测试问题76

4.5.2　算法的参数选择和分析79

4.5.3　仿真结果分析81

4.6　本章小结109

参考文献110

第5章　免疫克隆多目标优化算法求解约束优化问题113

5.1 引言113

5.2　问题定义113

5.3　约束处理技术114

5.3.1　已有的约束处理技术114

5.3.2　本章使用的约束处理方法115

5.4　算法设计与实现116

5.4.1　免疫和克隆选择116

5.4.2　克隆操作116

5.4.3　免疫基因操作117

5.4.4　求解约束优化问题的免疫克隆多目标优化算法120

5.5　算法的收敛性分析121

5.6　算法的复杂度分析123

5.7　实验结果与分析124

5.7.1　测试问题124

5.7.2　测试结果及性能分析128

5.8　本章小结131

参考文献131

第6章　免疫记忆克隆算法用于求解约束多目标优化问题133

6.1　引言133

6.2　约束多目标优化问题的数学模型134

6.3　用于约束多目标优化的免疫记忆克隆算法134

6.3.1　约束条件的处理方法134

6.3.2　免疫记忆克隆135

6.3.3　免疫克隆重组操作136

6.3.4　免疫克隆变异操作136

6.3.5　免疫记忆克隆约束多目标优化136

6.4　算法的特点分析138

6.5　算法的复杂度分析139

6.6　性能度量指标140

6.7　实验结果与分析140

6.7.1　测试问题140

6.7.2　算法的参数选择和分析141

6.7.3　测试结果及性能分析142

6.8　本章小结146

参考文献147

第7章　免疫克隆算法求解动态多目标优化问题149

7.1　引言149

7.2　动态多目标优化问题150

7.3　算法设计与实现151

7.3.1　免疫克隆选择算子151

7.3.2　非一致性变异算子152

7.3.3　抗体群更新算子152

7.3.4　动态多目标免疫克隆优化算法153

7.4　算法的性能分析154

7.5　算法的复杂度分析155

7.6　实验结果与分析155

7.6.1　收敛测度155

7.6.2　测试问题156

7.6.3　测试结果及性能分析158

7.7　本章小结165

参考文献166

第8章　基于免疫优势克隆选择的多目标组合优化167

8.1　引言167

8.2　典型多目标优化问题的数学模型168

8.3　用于多目标组合优化问题的免疫优势克隆选择算法169

8.3.1　基本定义169

8.3.2　免疫优势获得操作171

8.3.3　免疫优势克隆操作171

8.3.4　免疫优势选择操作172

8.3.5　免疫优势克隆选择算法173

8.4　算法机理分析174

8.4.1　算法的机理174

8.4.2　算法的复杂度分析175

8.5　性能评价指标176

8.6　IDCMA求解背包问题177

8.6.1　多目标0/1背包问题的数学模型177

8.6.2　约束处理178

8.6.3　算法设计178

8.7　实验结果与分析179

8.7.1　测试问题179

8.7.2　算法的参数选择179

8.7.3　实验结果分析180

8.8　本章小结184

参考文献184

第9章　基于免疫克隆优化的多目标聚类186

9.1　引言186

9.2　多目标聚类算法分析187

9.3　基于免疫克隆优化的多目标聚类算法188

9.3.1　概念与定义188

9.3.2　个体基因表示及操作算子190

9.3.3 目标函数192

9.3.4　算法描述193

9.4　聚类数的自动确定194

9.4.1　控制数据194

9.4.2　Pareto最优面及控制面的集合195

9.5　实验测试结果196

9.5.1　对比算法描述196

9.5.2　实验参数设置196

9.5.3　聚类性能评价函数197

9.5.4　算法聚类性能197

9.6　本章小结201

参考文献201

第10章　求解多目标优化的非支配近邻免疫算法203

10.1　非支配近邻免疫算法203

10.1.1　基本概念203

10.1.2　算法描述与分析204

10.2　实验分析207

10.2.1　实验设置207

10.2.2　NNIA与PESA-Ⅱ、SPEA2、NSGA-Ⅱ和MISA的比较212

10.2.3　重组对NNIA性能的影响220

10.2.4　可扩展性研究221

10.3　本章小结223

参考文献225

第11章 求解偏好多目标优化的偏好等级免疫记忆克隆选择算法226

11.1 引言226

11.2　问题与定义227

11.2.1　偏好多目标优化问题定义227

11.2.2　偏好关系模型228

11.3　偏好等级免疫记忆克隆选择算法229

11.3.1　偏好多目标优化229

11.3.2　偏好等级的定义230

11.3.3　偏好等级免疫记忆克隆选择算法231

11.4　实验仿真236

11.4.1　度量标准236

11.4.2　测试函数237

11.4.3　实验设置238

11.4.4　实验测试结果与分析239

11.4.5　PISA用于解决高维多目标问题244

11.4.6　重组算子对PISA的影响247

11.4.7　对比运行时间分析248

11.5　本章小结249

参考文献249

第12章 多目标优化问题的多智能体社会进化算法252

12.1 引言252

12.2　多目标优化问题的多智能体社会进化算法252

12.2.1　social multi-Agent系统252

12.2.2　Agent生存环境253

12.2.3　Agent定义253

12.2.4　局部感知环境定义254

12.2.5　Agent行为设计255

12.2.6　算法描述257

12.2.7　算法复杂度分析258

12.3　实验结果及其分析258

12.3.1　性能评价方法258

12.3.2　多目标函数优化问题测试259

12.3.3　局部环境建立方式分析264

12.4　本章小结266

参考文献266

第13章　量子免疫克隆多目标优化算法268

13.1　量子计算原理268

13.1.1　状态的叠加269

13.1.2　状态的相干269

13.1.3　状态的纠缠270

13.1.4　量子并行性270

13.2　量子计算智能的几种模型270

13.2.1　量子人工神经网络270

13.2.2　基于量子染色体的进化算法271

13.2.3　基于量子特性的优化算法272

13.2.4　量子聚类算法272

13.2.5　量子模式识别算法273

13.2.6　量子小波与小波包算法273

13.2.7　量子退火算法273

13.2.8　其他算法274

13.3　量子进化算法274

13.3.1　量子进化算法的提出274

13.3.2　量子进化算法中用到的一些基本概念275

13.3.3　量子进化算法276

13.3.4　量子进化算法的结构框架279

13.3.5　量子进化算法的收敛性282

13.4　量子克隆进化算法284

13.4.1　量子克隆遗传算法285

13.4.2　量子克隆进化规划285

13.4.3　量子克隆进化策略286

13.4.4　量子克隆进化算法的收敛性286

13.5　量子免疫克隆多目标优化算法288

13.5.1　问题描述288

13.5.2　量子免疫克隆算子设计289

13.5.3　算法描述290

13.6　算法分析291

13.6.1　算法的特点分析291

13.6.2　算法的复杂度分析292

13.7　仿真实验比较研究293

13.8　本章小结302

参考文献302