並行分布式進化計算

魏鳳鳳 華南理工大學計算機科學與工程學院助理教授、碩士生導師。主要研究方向是群體智能、分布式進化計算、數據驅動進化計算及其應用。已在國際期刊和國際會議上發表論文30余篇，其中IEEE Trans.長文15篇。主持國家自然科學基金青年科學基金項目、中國博士後科學基金面上項目、廣東省自然科學基金面上項目等。獲廣東省人工智能產業協會科學技術獎自然科學獎一等獎、第四屆國際分布式人工智能會議最佳論文獎。現任中國計算機學會協同計算專業委員會委員。

前言
第1章 進化計算基礎
1.1 進化算法
1.1.1 遺傳算法
1.1.2 演化策略
1.1.3 遺傳規劃
1.1.4 差分進化算法
1.1.5 分布估計算法
1.2 群智能優化算法
1.2.1 粒子群優化算法
1.2.2 蟻群優化算法
第2章 求解覆雜優化問題的進化計算方法
2.1 多目標優化的進化計算方法
2.1.1 問題定義
2.1.2 基於非支配排序的多目標進化算法
2.1.3 基於分解的多目標進化算法
2.1.4 基於指標的多目標進化計算方法
2.2 約束優化的進化計算方法
2.2.1 問題定義
2.2.2 基於懲罰值的約束處理技術
2.2.3 基於可行性支配準則的約束處理技術
2.2.4 基於多目標支配的約束處理技術
2.2.5 其他約束處理技術
2.3 昂貴優化的進化計算方法
2.3.1 問題定義
2.3.2 基於代理輔助的昂貴優化進化計算方法
2.3.3 代理模型選擇
2.3.4 代理模型管理
2.4 高維大規模優化的進化計算方法
2.4.1 問題定義
2.4.2 基於整體演化的高維大規模優化的進化計算方法
2.4.3 基於分解的高維大規模優化的協同進化計算方法
2.5 動態優化的進化計算方法
2.5.1 問題定義
2.5.2 變化檢測策略
2.5.3 歷史檔案策略
2.5.4 多樣性控制策略
2.5.5 種群管理策略
2.6 多任務優化的進化計算方法
2.6.1 問題定義
2.6.2 多任務優化框架
2.6.3 基於單種群的多任務優化的進化計算方法
2.6.4 基於多種群的多任務優化的進化計算方法
第3章 並行分布式進化計算基礎
3.1 並行分布式進化計算的物理計算環境
3.1.1 GPU架構
3.1.2 集群系統
3.1.3 點對點網絡
3.1.4 雲計算
3.1.5 邊緣計算
3.1.6 其他計算環境
3.2 並行分布式進化計算的軟件實現環境
3.2.1 並行分布式計算的基本概念
3.2.2 MPI編程模型
3.2.3 OpenMP編程模型
3.2.4 MapReduce編程模型
3.2.5 CUDA編程環境
3.2.6 其他編程模型
3.3 並行分布式進化計算的通信模型
3.3.1 通信的基本定義與類別
3.3.2 主從模型
3.3.3 池模型
3.3.4 島嶼模型
3.3.5 蜂窩模型
3.3.6 多智能體模型
3.3.7 混合模型
3.4 分布式進化計算的描述與評估
3.4.1 分布式系統的描述
3.4.2 分布式算法的評估指標
第4章 以加速為目標的並行分布式進化計算方法
4.1 並行分布式整體演化
4.1.1 適應值評價並行的進化計算
4.1.2 群體演化過程並行的進化計算
4.2 並行分布式協同演化
4.2.1 並行協同演化框架
4.2.2 協同優化策略
第5章 以多智能體協作為目標的分布式進化計算方法
5.1 針對數據分布場景的分布式進化計算
5.1.1 問題的定義與挑戰
5.1.2 優化框架
5.1.3 模型管理
5.2 針對維度分布場景的分布式進化計算
5.2.1 問題的定義與挑戰
5.2.2 非重疊維度分布式優化
5.2.3 重疊維度分布式優化
5.3 針對目標分布場景的分布式進化算法
5.3.1 問題的定義與挑戰
5.3.2 目標協同
5.3.3 目標沖突
5.3.4 目標關聯
第6章 數據安全與隱私保護的分布式進化計算方法
6.1 基本思想與描述框架
6.2 進化計算即服務的隱私保護
6.2.1 進化計算即服務場景下的隱私保護問題定義
6.2.2 算法流程
6.2.3 安全計算協議
6.3 多智能體進化計算的隱私保護
6.3.1 多智能體進化計算場景下的隱私保護問題定義
6.3.2 隱私保護的多智能體粒子群優化算法
6.3.3 安全計算協議
參考文獻