多目标进化优化 chm umd 阿里云 下载 夸克云 pdf azw3 kindle

近年来，多目标进化算法(MOEA)的研究进入了快速发展阶段，越来越多的人开始从事MOEA新方法和新技术的设计与实现，MOEA的应用日益广泛。

本书比较全面地综述了MOEA的国际研究现状和发展趋势，介绍了MOEA的基础知识和基本原理；论述和分析了构造Pareto*解集的方法、保持进化群体分布性的方法和策略，以及MOEA的收敛性；讨论了目前国际上*代表性的MOEA以及高维MOEA、偏好MOEA和动态MOEA；探讨了MOEA的性能评价方法、MOEA的测试方法，以及MOEA测试实验平台。*后，讨论了用多目标进化方法求解约束优化问题，并分类概述了MOEA的应用及两个具体应用实例。

本书可作为计算机、自动控制和其他相关专业高年级本科生、硕士研究生、博士研究生，以及MOEA爱好者研究和学习的教材或参考书。

暂无相关目录，正在全力查找中！

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：多目标进化优化在线阅读

在线听书地址：多目标进化优化在线收听

在线购买地址：多目标进化优化在线购买

暂无原文赏析，正在全力查找中！

前言

 序   言

进化算法是一类基于群体的启发式搜索优化策略，这类方法使用方便，易于理解，对所求解的问题数学性质要求不高，其应用领域越来越广泛，得到许多研究者和工程技术人员的重视。2015年5月，

Nature

出版的机器智能专刊将进化计算列为当今机器智能研究的六大代表性领域之一。

多目标优化是一类常见的优化决策问题，经过来自不同领域的研究者和使用者的近30年的努力，多目标进化算法（multi-objective evolutionary optimization，MOEA）的研究和

应用已取得巨大成功。事实上，MOEA已成为多目标决策领域的主流方法和技术，MOEA也是进化计算领域研究热点。2000 ~ 2015年的15年，国际上所出版的MOEA论文是过去15年（1985~2000年）的10倍之多。

IEEE Transactions on Evolutionary Computation

、

Evolutionary Computation

和

Genetic Programming and Evolvable Machines

三个重要进化优化领域国际期刊都出版了MOEA专刊。2001年以来，每两年召开一次有关多目标进化的国际会议EMO（Evolutionary Multi-Criterion Optimization），现已成为进化优化领域的主流会议。近年在进化计算领域的两个重要会议CEC（IEEE Congress on Evolutionary Conference）和GECCO （Genetic and Evolutionary Computation Conference）上发表的论文中，有关多目标优化的论文占相当比例。国内学者也十分重视多目标进化优化的研究，并取得了许多具有重要价值的成果，出版了多部著作。尽管如此，MOEA 仍远未成为一门成熟学科，其理论、算法设计、应用以及和其他优化学习方法的关系方面，仍有大量基本问题需要进一步研究。

郑金华教授曾于2007年出版《多目标进化算法及其应用》一书，此书成为国内多目标进化优化领域颇具影响力的著作之一。历经10年，郑金华教授和邹娟博士将自己的研究心得和研究结果写成本书，在书中全面介绍和讨论了国际上有关多目标进化优化的成果，并对其发展趋势进行了探讨。读者可通过本书系统学习MOEA方法，为从事MOEA研究和应用打下一个好的基础。我衷心地向读者此书。

香港城市大学教授，IEEE Fellow，

长江学者讲座教授