多目標(biāo)智能優(yōu)化算法及其應(yīng)用序言

時(shí)間：2023-06-14 08:15:01 | 來源：營銷百科

時(shí)間：2023-06-14 08:15:01 來源：營銷百科

多目標(biāo)智能優(yōu)化算法及其應(yīng)用序言：　　大多數(shù)工程和n科學(xué)問題都是多目標(biāo)優(yōu)化問題，存在多個(gè)彼此沖突的目標(biāo)，如何獲取這些問題的n最優(yōu)解，一直都是學(xué)術(shù)界和工程界關(guān)注的焦點(diǎn)問題.與單El標(biāo)優(yōu)化問題不同，多目標(biāo)優(yōu)化的本質(zhì)在于，大多數(shù)情況下，某目標(biāo)的改善可能引起其他目標(biāo)性能的降低，同時(shí)使多個(gè)目標(biāo)均達(dá)到最優(yōu)是不可能的，只能在各目標(biāo)之間進(jìn)行協(xié)調(diào)權(quán)衡和折中處理，使所有n目標(biāo)函數(shù)盡可能達(dá)到最優(yōu)，而且問題的最優(yōu)解由數(shù)量眾多，甚至n無窮大的Pareto最優(yōu)解組成。
　　智能優(yōu)化算法是一類通過模擬某一自然現(xiàn)象或過程而建立起來的優(yōu)化方法’這類算法包括進(jìn)化算法、粒子群算法、禁忌搜索、分散搜索、模擬退火、人工免疫系統(tǒng)和蟻群算法等。和傳統(tǒng)的n數(shù)學(xué)規(guī)劃法相比，智能優(yōu)化算法更適合求解多目標(biāo)優(yōu)化問題。首先，大多數(shù)智能優(yōu)化算法能同時(shí)處理一組解，算法每運(yùn)行一次，能獲得多個(gè)有效解。其次，智能優(yōu)化算法對(duì)Pareto最優(yōu)前端的形狀和連續(xù)性不敏感，能很好地逼近非凸或不連續(xù)的最優(yōu)前端。目前，智能優(yōu)化算法作為一類n啟發(fā)式搜索算法，已被成功應(yīng)用于多目標(biāo)優(yōu)化領(lǐng)域，出現(xiàn)了一些熱門的研究方向，如進(jìn)化多目標(biāo)優(yōu)化，同時(shí)，多目標(biāo)智能優(yōu)化算法在電力系統(tǒng)、制造系統(tǒng)和n控制系統(tǒng)等方面的n應(yīng)用研究也取得了很大的進(jìn)展。
　　本書力圖全面總結(jié)作者和國內(nèi)外同行在多目標(biāo)智能優(yōu)化算法的理論與應(yīng)用方面所取得的一系列研究成果。全書包括兩部分，共8章。第一部分為第1-4主要介紹了各種多目標(biāo)智能優(yōu)化算法的理論。其中第1章為n緒論，介紹各種智能優(yōu)化算法的基本思想和原理。第2章介紹多目標(biāo)進(jìn)化算法，主要描述多目標(biāo)進(jìn)化算法的基本原理、典型算法和各種進(jìn)化機(jī)制與策略，如n混合策略、協(xié)同進(jìn)化和動(dòng)態(tài)進(jìn)化策略等。第3章介紹多目標(biāo)粒子群算法，包括基本原理、典型算法、混合算法和交互粒子群算法等。第4章描述除粒子群算法和進(jìn)化算法之外的其他多目標(biāo)智能優(yōu)化算法，主要介紹多目標(biāo)模擬退火算法、多目標(biāo)蟻群算法、多目標(biāo)免疫算法、多目標(biāo)差分進(jìn)化算法和多目標(biāo)分散搜索等。
　　第二部分為第5-8章，主要介紹了多目標(biāo)智能優(yōu)化算法的應(yīng)用’包括神經(jīng)網(wǎng)絡(luò)優(yōu)化、生產(chǎn)調(diào)度、交通與物流系統(tǒng)優(yōu)化、電力系統(tǒng)優(yōu)化及其他。第5章描述人工神經(jīng)網(wǎng)絡(luò)的多目標(biāo)優(yōu)化，主要包括Pareto進(jìn)化神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)。第6章介紹交通與物流系統(tǒng)優(yōu)化，主要描述了智能優(yōu)化算法在物流配送、城市公交路線網(wǎng)絡(luò)和公共交通調(diào)度等方面的應(yīng)用。