智能優化技術——從原理、同源案例到Python實踐

黃思翰，北京理工大學機械與車輛學院研究員，博士生導師。近年發表學術論文30余篇，參與出版英文著作、中文專著各1部，授權國家發明專利14項，登記軟件著作權3項，參與制定IEEE國際標準1項。承擔國家重點研發計劃、博士後創新人才支持計劃、國家自然科學基金、博士後科學基金、國防基礎科研、教育部產學研協同育人等項目，研究成果並在航天、電子等領域開展應用，獲國防科技進步獎一等獎1項（12/15）。主講工業工程專業《物流工程》、《供應鏈管理》、《優化技術》以及《智能生產系統實驗》。

 

 

 

 

 

 

目錄

 

 

 

 

 

 

資源下載

 

 

第1章緒論

 

1．1優化及優化問題

 

1．2優化技術概述

 

1．3智能優化算法概述

 

小結

 

習題

 

第2章遺傳算法

 

2．1概述

 

2．2理論基礎

 

2．3算法流程

 

2．4概念詳解

 

2．4．1算法表征模型

 

2．4．2編碼與解碼

 

2．4．3適應度值計算

 

2．4．4初始化參數

 

2．4．5選擇操作

 

2．4．6交叉操作

 

2．4．7變異操作

 

2．4．8修剪種群 

 

2．5算法改進

 

2．6工程案例

 

2．6．1可重構制造系統調度問題

 

2．6．2可重構制造系統調度數學模型

 

2．6．3遺傳算法應用分析

 

2．6．4編碼

 

2．6．5解碼適應度值計算

 

2．6．6種群初始化

 

 

 

2．6．7選擇操作

 

2．6．8交叉操作

 

2．6．9變異操作

 

2．6．10修剪種群

 

2．7基於Python的代碼實現

 

2．7．1工程求解主代碼

 

2．7．2種群初始化代碼

 

2．7．3解碼代碼

 

2．7．4遺傳算法主代碼

 

2．7．5選擇操作代碼

 

2．7．6交叉操作代碼

 

2．7．7變異操作代碼

 

2．7．8實例驗證

 

小結

 

習題

 

 

 

第3章強化學習

 

3．1概述

 

3．2理論基礎

 

3．2．1基本框架

 

3．2．2馬爾可夫概念

 

3．2．3馬爾可夫獎勵

 

3．2．4決策過程

 

3．3算法流程

 

3．4概念詳解

 

3．4．1定義狀態和動作

 

3．4．2定義獎勵

 

3．4．3策略疊代

 

3．5算法改進

 

3．6工程案例

 

3．6．1可重構制造系統調度問題

 

3．6．2可重構制造系統調度數學模型

 

3．6．3強化學習算法應用分析

 

3．6．4可重構制造系統狀態表達和動作空間

 

3．6．5可重構制造系統的環境設置和獎勵表達

 

3．6．6強化學習算法疊代

 

3．7基於Python的代碼實現

 

3．7．1構建神經網絡

 

3．7．2構建DQN智能體

 

3．7．3智能體環境構建

 

3．7．4智能體主函數構建

 

3．7．5其他相關函數

 

3．7．6實例驗證

 

小結

 

習題

 

 

第4章模擬退火算法

 

4．1概述

 

4．2理論基礎

 

4．3算法流程

 

4．4概念詳解

 

4．4．1算法表征模型

 

4．4．2初始溫度選取

 

4．4．3初始解生成

 

4．4．4內循環長度設定

 

4．4．5降溫策略選擇

 

4．4．6鄰域結構設計

 

4．4．7接受準則設計

 

4．4．8算法終止準則設計

 

4．5算法改進

 

4．6工程案例

 

4．6．1可重構制造系統調度問題

 

4．6．2可重構制造系統調度數學模型

 

4．6．3模擬退火算法應用分析

 

4．6．4編碼

 

4．6．5解碼

 

4．6．6參數設定及降溫策略

 

4．6．7初始解生成

 

4．6．8鄰域結構設計

 

4．6．9接受準則設計

 

4．7基於Python的代碼實現

 

4．7．1工程求解主代碼

 

4．7．2FJSP工程類問題代碼

 

4．7．3模擬退火算法主代碼

 

4．7．4實例驗證

 

小結

 

習題

 

第5章禁忌搜索算法

 

5．1概述

 

5．2理論基礎

 

5．3算法流程

 

5．4概念詳解

 

5．4．1算法表征模型

 

5．4．2編碼與解碼

 

5．4．3初始化參數

 

5．4．4初始解生成

 

5．4．5適應度值計算

 

5．4．6鄰域結構生成

 

5．4．7禁忌表和禁忌長度

 

5．4．8藐視準則

 

5．4．9終止準則

 

 

5．5算法改進

 

5．6工程案例

 

5．6．1可重構制造系統調度問題

 

5．6．2可重構制造系統調度數學模型

 

5．6．3禁忌搜索算法應用分析

 

5．6．4編碼

 

5．6．5解碼適應度值計算

 

5．6．6獲取初始解

 

5．6．7鄰域的產生

 

5．6．8非法解的合法化

 

5．6．9禁忌表

 

5.6.10藐視準則

 

5．7基於Python的代碼實現

 

5．7．1FJSP工程類問題代碼

 

5．7．2禁忌搜索算法主代碼

 

5．7．3實驗驗證

 

小結

 

習題

 

第6章粒子群優化算法

 

6．1概述

 

6．2理論基礎

 

6．3算法流程

 

6．4概念詳解

 

6．4．1算法表征模型

 

6．4．2粒子初始化

 

6．4．3個體最優和全局最優的存儲

 

6．4．4粒子的速度和位置更新

 

6．4．5終止準則

 

6．4．6另一種方法： 個體用實數編碼表征來進行求解

 

6．5算法改進

 

6．5．1學習因子、慣性系數的改進及改良性能分析

 

6．5．2最優粒子選擇策略

 

6．6工程案例

 

6．6．1可重構制造系統調度問題

 

6．6．2可重構制造系統調度數學模型

 

6．6．3粒子群算法應用分析

 

6．6．4編碼

 

6．6．5解碼

 

6．6．6粒子群初始化

 

6．6．7更新粒子速度

 

6．6．8更新粒子位置

 

6．6．9評估新位置

 

 

6．7基於Python的代碼實現

 

6．7．1工程求解主代碼

 

6．7．2粒子群算法主代碼

 

6．7．3粒子群初始化代碼

 

6．7．4解碼代碼

 

6．7．5慣性因子更新代碼

 

6．7．6速度更新代碼

 

6．7．7速度邊界判定代碼

 

6．7．8位置更新代碼

 

6．7．9位置邊界判斷代碼

 

6．7．10位置編碼修復代碼

 

6．7．11實例驗證

 

小結

 

習題

 

第7章非支配排序遺傳算法(NSGA系列)

 

7．1概述

 

7．2理論基礎

 

7．3算法流程

 

7．4概念詳解

 

7．4．1算法表征模型

 

7．4．2編碼與解碼

 

7．4．3適應度值計算

 

7．4．4初始化參數

 

7．4．5快速非支配排序

 

7．4．6維持解的多樣性

 

7．4．7選擇操作

 

7．4．8交叉操作

 

7．4．9變異操作

 

7．4．10基於精英保留策略的種群修剪 

 

 

7．5算法改進

 

7．6工程案例

 

7．6．1可重構制造系統調度問題

 

7．6．2可重構制造系統調度數學模型

 

7．6．3NSGAⅡ算法應用分析

 

7．6．4編碼

 

7．6．5解碼適應度值計算

 

7．6．6種群初始化

 

7．6．7快速非支配排序與擁擠度距離

 

7．6．8選擇操作

 

7．6．9交叉操作

 

7．6．10變異操作

 

7．6．11基於精英保留策略的種群修剪

 

7．7基於Python的代碼實現

 

7．7．1工程求解主代碼

 

7．7．2種群初始化代碼

 

7．7．3解碼代碼

 

7．7．4NSGAⅡ算法主代碼

 

7．7．5快速非支配排序與擁擠度距離代碼

 

7．7．6選擇操作代碼

 

7．7．7交叉操作代碼

 

7．7．8變異操作代碼

 

7．7．9實例驗證

 

小結

 

習題

 

參考文獻