多目標最佳化免疫算法、理論和套用

《多目標最佳化免疫算法、理論和套用》是由科學出版社2010年1月1日出版的一本書籍。本書可為計算機科學、信息科學、人工智慧、自動化技術等領域從事人工免疫系統或多目標最佳化研究的相關專業技術人員提供參考，也可作為相關專業研究生和高年級本科生教材。

基本介紹

• 書名：多目標最佳化免疫算法、理論和套用
• 頁數：305頁
• 出版社：科學出版社
• 出版時間：2010年1月1日

圖書信息

出版社: 科學出版社; 第1版 (2010年1月1日)

叢書名: 智慧型科學技術著作叢書

平裝: 305頁

正文語種: 簡體中文

開本: 16

ISBN: 9787030263568

條形碼: 9787030263568

尺寸: 23.6 x 16.8 x 1.6 cm

重量: 481 g

內容簡介

《多目標最佳化免疫算法、理論和套用》在全面總結國內外多目標最佳化及人工免疫系統發展現狀的基礎上，著重介紹作者在基於人工免疫系統的多目標最佳化這一領域的研究成果，主要包括：免疫克隆選擇多目標最佳化算法及其在多目標0/1背包問題、約束最佳化問題、動態多目標最佳化問題及多目標聚類中的套用，用於求解約束多目標最佳化的免疫記憶克隆算法，求解多目標最佳化的非支配近鄰免疫算法，求解偏好多目標最佳化的偏好等級免疫記憶克隆選擇算法，基於多智慧型體的多目標社會協同進化算法，量子免疫克隆多目標最佳化算法，並針對不同問題提出了多種新的算法和實現策略。

目錄

《智慧型科學技術著作叢書》序

前言

第1章 多目標最佳化研究進展

1.1 多目標最佳化問題

1.2 多目標最佳化問題的數學模型

1.3 多目標最佳化算法

1.3.1 古典的多目標最佳化方法

1.3.2 基於進化算法的多目標最佳化方法

1.3.3 基於粒子群的多目標最佳化方法

1.3.4 基於協同進化的多目標最佳化方法

1.3.5 基於人工免疫系統的多目標最佳化方法

1.3.6 基於分布估計的多目標最佳化方法

1.4 多目標最佳化的研究趨勢

1.4.1 新型占優機制研究

1.4.2 高維多目標最佳化的研究

1.4.3 動態多目標最佳化的研究

1.4.4 多目標最佳化測試問題研究

1.5 多目標最佳化算法的設計目標

參考文獻

第2章 人工免疫系統基礎

2.1 進化計算的基礎

2.1.1 進化計算的生物學基礎

2.1.2 進化算法的一般框架及特點

2.1.3 進化算法的主要分支

2.1.4 進化算法研究進展

2.2 生物免疫系統

2.2.1 生物免疫學和免疫的基本概念

2.2.2 免疫分類

2.2.3 免疫系統及其功能

2.3 生物免疫系統的兩個重要學說

2.3.1 克隆選擇學說

2.3.2 免疫網路學說

2.4 人工免疫系統

2.4.1 人工免疫系統研究歷史和現狀

2.4.2 人工免疫系統模型

2.4.3 人工免疫系統算法

參考文獻

第3章 多目標最佳化算法的收斂性及性能度量

3.1 多目標最佳化算法的收斂性

3.1.1 概述

3.1.2 全局收斂性的特徵

3.1.3 Pareto-最優解集的特徵

3.1.4 多目最佳化算法的收斂性

3.2 多目標最佳化算法的性能度量

3.2.1 概述

3.2.2 常見的性能度量方法

3.2.3 改進的性能度量方法

3.3 本章小結

參考文獻

第4章 免疫克隆選擇多目標最佳化算法

4.1 引言

4.2 算法設計與實現

4.2.1 算法流程圖

4.2.2 初始化

4.2.3 免疫克隆操作

4.2.4 免疫基因操作

4.2.5 克隆選擇操作

4.2.6 抗體群更新操作

4.2.7 NICA用於求解多目標最佳化問題

4.3 算法的複雜度分析

4.4 算法的性能度量指標

4.5 仿真結果及其分析

4.5.1 測試問題

4.5.2 算法的參數選擇和分析

4.5.3 仿真結果分析

4.6 本章小結

參考文獻

第5章 免疫克隆多目標最佳化算法求解約束最佳化問題

5.1 引言

5.2 問題定義

5.3 約束處理技術

5.3.1 已有的約束處理技術

5.3.2 本章使用的約束處理方法

5.4 算法設計與實現

5.4.1 免疫和克隆選擇

5.4.2 克隆操作

5.4.3 免疫基因操作

5.4.4 求解約束最佳化問題的免疫克隆多目標最佳化算法

5.5 算法的收斂性分析

5.6 算法的複雜度分析

5.7 實驗結果與分析

5.7.1 測試問題

5.7.2 測試結果及性能分析

5.8 本章小結

參考文獻

第6章 免疫記憶克隆算法用於求解約束多目標最佳化問題

6.1 引言

6.2 約束多目標最佳化問題的數學模型

6.3 用於約束多目標最佳化的免疫記憶克隆算法

6.3.1 約束條件的處理方法

6.3.2 免疫記憶克隆

6.3.3 免疫克隆重組操作

6.3.4 免疫克隆變異操作

6.3.5 免疫記憶克隆約束多目標最佳化

6.4 算法的特點分析

6.5 算法的複雜度分析

6.6 性能度量指標

6.7 實驗結果與分析

6.7.1 測試問題

6.7.2 算法的參數選擇和分析

6.7.3 測試結果及性能分析

6.8 本章小結

參考文獻

第7章 免疫克隆算法求解動態多目標最佳化問題

7.1 引言

7.2 動態多目標最佳化問題

7.3 算法設計與實現

7.3.1 免疫克隆選擇運算元

7.3.2 非一致性變異運算元

7.3.3 抗體群更新運算元

7.3.4 動態多目標免疫克隆最佳化算法

7.4 算法的性能分析

7.5 算法的複雜度分析

7.6 實驗結果與分析

7.6.1 收斂測度

7.6.2 測試問題

7.6.3 測試結果及性能分析

7.7 本章小結

參考文獻

第8章 基於免疫優勢克隆選擇的多目標組合最佳化

8.1 引言

8.2 典型多目標最佳化問題的數學模型

8.3 用於多目標組合最佳化問題的免疫優勢克隆選擇算法

8.3.1 基本定義

8.3.2 免疫優勢獲得操作

8.3.3 免疫優勢克隆操作

8.3.4 免疫優勢選擇操作

8.3.5 免疫優勢克隆選擇算法

8.4 算法機理分析

8.4.1 算法的機理

8.4.2 算法的複雜度分析

8.5 性能評價指標

8.6 IDCMA求解背包問題

8.6.1 多目標0/1背包問題的數學模型

8.6.2 約束處理

……

第9章 基於免疫克隆最佳化的多目標聚類

第10章 求解多目標化的非支配近鄰免疫算法

第11章 求解偏好多目標最佳化的偏好等級免疫記憶克隆選擇算法

第12章 多目標最佳化問題的多智慧型體社會進化算法

第13章 量子免疫克隆多目標最佳化算法

參考文獻