演化算法及其應用

序
前言
第1章 緒論 1
1.1 概述 1
1.2 演化算法概述 1
1.3 典型演化算法 4
1.3.1 遺傳算法 4
1.3.2 蟻群優化算法 5
1.3.3 粒子群優化算法 7
1.3.4 蟻獅優化算法 8
1.3.5 烏鴉搜索算法 9
1.4 常見的優化問題 11
1.4.1 特征選擇問題 12
1.4.2 數據填補問題 18
1.4.3 算法選擇問題 23
1.4.4 任務分配問題 29
1.5 本書內容安排 34
參考文獻 36
第2章 高維不平衡數據分類方法 46
2.1 概述 46
2.2 基於蟻獅優化的高維不平衡二分類方法 46
2.2.1 個體解編碼方式 46
2.2.2 特征選擇過程 47
2.2.3 數據子集生成 50
2.2.4 分類器集成 51
2.2.5 方法描述 51
2.3 實驗與分析 53
2.3.1 實驗設置與對比算法 53
2.3.2 實驗結果分析 56
2.4 本章小結 62
參考文獻 62
第3章 高維不平衡多類別數據分類方法 64
3.1 概述 64
3.2 基於蟻獅優化的高維不平衡多分類方法 65
3.2.1 個體解編碼方式 65
3.2.2 個體解初始化策略 65
3.2.3 特征選擇過程 66
3.2.4 “串聯一對多”分解策略 66
3.2.5 分類器集成 68
3.2.6 方法描述 69
3.3 實驗與分析 70
3.3.1 實驗設置與對比算法 70
3.3.2 實驗結果分析 71
3.4 本章小結 77
參考文獻 77
第4章 面向混合缺失數據的填補方法 79
4.1 概述 79
4.2 基於粒子群優化算法的混合數據填補分類方法 79
4.2.1 個體編碼方式 79
4.2.2 歷史學習機制 82
4.2.3 方法描述 82
4.3 實驗與分析 84
4.3.1 混合特征填補實驗 84
4.3.2 實驗設置與結果分析 88
4.4 本章小結 96
參考文獻 97
第5章 面向高維不平衡缺失數據的填補方法 99
5.1 概述 99
5.2 基於粒子群優化算法的高維不平衡數據填補方法 99
5.2.1 個體編碼方式 99
5.2.2 多重特征選擇 99
5.2.3 混合數據填補 101
5.2.4 量子過采樣 102
5.2.5 方法描述 102
5.3 實驗與分析 103
5.3.1 實驗設置 103
5.3.2 實驗結果分析 104
5.4 本章小結 109
參考文獻 110
第6章 基於蟻獅優化的元特征選擇方法 111
6.1 概述 111
6.2 基於蟻獅優化的魯棒元特征選擇方法 111
6.2.1 魯棒初始化機制 111
6.2.2 動態邊界策略 113
6.2.3 混沌映射變異策略 113
6.2.4 方法描述 115
6.3 實驗與分析 116
6.3.1 實驗設置 116
6.3.2 元數據集分析 121
6.3.3 參數敏感性分析 122
6.3.4 機制和策略效果驗證 123
6.3.5 實驗結果分析 125
6.4 本章小結 127
參考文獻 127
第7章 基於蟻獅優化的選擇性集成元算法 129
7.1 概述 129
7.2 基於多目標混合蟻獅優化的選擇性集成算法選擇方法 129
7.2.1 算法選擇優化模型 129
7.2.2 多目標混合蟻獅優化算法 132
7.2.3 方法描述 136
7.3 實驗與分析 138
7.3.1 實驗設置 138
7.3.2 元數據集分析 143
7.3.3 參數敏感性分析 144
7.3.4 優化算法效果驗證 145
7.3.5 實驗結果分析 148
7.4 本章小結 151
參考文獻 151
第8章 遺傳蟻群任務分配方法 154
8.1 概述 154
8.2 任務分配模型 154
8.3 遺傳蟻群算法 155
8.3.1 混沌隨機初始化 155
8.3.2 多樣性交換策略 156
8.3.3 蟻群重組準則 156
8.3.4 方法描述 157
8.4 實驗與分析 158
8.4.1 消融實驗 158
8.4.2 對比實驗 160
8.5 本章小結 165
參考文獻 165
第9章 面向任務分配的多目標烏鴉搜索算法 167
9.1 概述 167
9.2 多目標任務分配模型 167
9.3 增強策略多目標烏鴉搜索算法 168
9.3.1 個體編碼方法 168
9.3.2 基於檔案的搜索方法 169
9.3.3 增強生成策略 169
9.3.4 小數權重修覆策略 170
9.3.5 方法描述 172
9.4 實驗與分析 173
9.4.1 實驗設置 173
9.4.2 實驗結果分析 175
9.5 本章小結 180
參考文獻 180
第10章 結束語 182
10.1 本書創新點 182
10.2 需要進一步研究的問題 183
10.3 思考和感悟 184
參考文獻 185
彩圖