區間高維多目標進化算法

第一部分 導 引 篇
第1章 緒論 2
1.1 不確定性優化概述 2
1.1.1 不確定性優化問題 2
1.1.2 不確定性優化方法 4
1.2 區間進化優化概述 6
1.3 區間進化優化研究概況 7
1.3.1 區間單目標優化 8
1.3.2 區間多目標優化 9
1.3.3 區間高維多目標優化 12
1.3.4 區間高維多目標優化挑戰 13
1.4 本書結構安排 14
第2章 區間高維多目標進化優化概述 15
2.1 數學模型及相關概念 15
2.2 區間數的基本知識 17
2.3 常見的區間基準測試問題 19
2.4 常見的區間性能評價指標 22
2.5 小結 23
第二部分 原 理 篇
第3章 柔性區間 Pareto 支配驅動的區間高維多目標進化算法 25
3.1 引言 25
3.2 已有的區間Pareto支配 27
3.3 已有的區間擁擠距離 30
3.4 問題分析 32
3.5 IMaOEA-FPD描述 35
3.5.1 柔性區間Pareto支配關系 36
3.5.2 基於區域劃分的多樣性維護機制 39
3.5.3 IMaOEA-FPD框架 41
3.5.4 復雜度分析 43
3.5.5 收斂性分析 43
3.6 仿真實驗 45
3.6.1 參數設置 45
3.6.2 柔性因子取值對算法性能的影響分析 47
3.6.3 算法在InDTLZ測試問題上的性能比較 49
3.7 小結 54
第4章 理想超平面引導的區間高維多目標進化算法 55
4.1 引言 55
4.2 問題分析 57
4.3 IMaOEA-IH描述 59
4.3.1 理想超平面構建 59
4.3.2 拉丁超立方抽樣 61
4.3.3 Lp-範數距離測度 64
4.3.4 最優解選擇策略 66
4.3.5 IMaOEA-IH框架 68
4.3.6 復雜度分析 70
4.4 仿真實驗 71
4.4.1 性能評價指標及參數設置 71
4.4.2 采樣數量對不同最優解選擇策略的影響分析 71
4.4.3 不同最優解選擇策略對算法性能的影響分析 73
4.4.4 算法在InMaOP測試問題上的性能比較 74
4.5 小結 79
第5章 綜合評價指標選擇的區間高維多目標進化算法 80
5.1 引言 80
5.2 問題分析 82
5.3 IMaOEA-CEI描述 85
5.3.1 綜合評價指標 85
5.3.2 α、β、γ參數設置 88
5.3.3 IMaOEA-CEI的框架 92
5.3.4 時間復雜度分析 93
5.4 仿真實驗 94
5.4.1 相關參數設置 94
5.4.2 參數設置方式對算法性能的影響分析 94
5.4.3 算法在InWFG測試問題上的性能比較 96
5.5 小結 101
第6章 雙階段博弈集成的區間高維多目標進化算法 102
6.1 引言 103
6.2 問題分析 104
6.3 IMaOEA-TSGI描述 108
6.3.1 策略池構建 109
6.3.2 基於種群博弈的匹配選擇算子 110
6.3.3 基於波達計數的環境選擇算子 112
6.3.4 IMaOEA-TSGI框架 114
6.3.5 復雜度分析 116
6.4 仿真實驗 117
6.4.1 相關參數設置 117
6.4.2 算法在InDTLZ測試問題上的性能比較 117
6.4.3 算法在InWFG測試問題上的性能比較 120
6.4.4 算法在InMaOP測試問題上的性能比較 124
6.5 小結 127
第三部分 應 用 篇
第7章 區間高維多目標進化算法在移動邊緣計算卸載中的應用 130
7.1 引言 130
7.2 不確定環境下的計算卸載研究概況 131
7.3 計算卸載問題描述 133
7.4 功率分配與任務卸載的區間多目標聯合優化模型 134
7.4.1 系統模型 134
7.4.2 目標模型 136
7.5 實驗結果與分析 140
7.5.1 仿真實驗平臺及參數設置 140
7.5.2 本書四種算法求解該模型的結果與分析 142
7.5.3 本書提出的算法與其他優秀算法的性能比較 143
7.6 小結 147
參考文獻 148
附錄A IMaOEA-FPD源代碼 161
附錄B IMaOEA-IH源代碼 166