0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: > 数据驱动的多目标进化优化方法与应用

相同语种的商品

销售排行榜

浏览历史

数据驱动的多目标进化优化方法与应用


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
数据驱动的多目标进化优化方法与应用
  • 书号：9787030818768
    作者：王鹏,王新晶,董华超
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：258
    字数：337000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2026-04-01
  • 所属分类：
  • 定价： ￥180.00元
    售价： ￥142.20元
  • 图书介质:
    纸质书

  • 购买数量： 件  可供
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

本书是作者及所在课题组近年来关于数据驱动的多目标进化优化方法研究成果的总结。首先介绍数据驱动多目标优化方法的发展现状、相关技术与常用的基准/工程测试函数，其次介绍不依赖代理模型的多目标、众目标、约束多目标进化优化方法，最后介绍代理模型辅助的昂贵多目标进化优化方法，包括回归/分类代理辅助的多目标进化优化方法、众目标进化优化方法，以及适用于低维/高维、多目标/众目标问题的代理辅助进化优化方法。本书介绍的数据驱动多目标进化优化方法寻优能力强，优化效率高，可广泛应用于各类多目标工程优化问题。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    前言
    第1章 绪论 1
    1.1 概述 1
    1.2 多目标优化方法研究现状 3
    1.3 数据驱动多目标优化方法研究现状 7
    1.4 数据驱动多目标优化设计研究现状 13
    1.5 本章小结 15
    参考文献 15
    第2章 数据驱动的多目标进化优化相关技术 23
    2.1 多目标进化算法 23
    2.1.1 多目标优化问题 23
    2.1.2 多目标进化算法基本框架 24
    2.1.3 进化算子 25
    2.1.4 性能评价指标 25
    2.1.5 参考向量生成 26
    2.2 代理模型技术 28
    2.2.1 多项式响应面模型 28
    2.2.2 RBF模型 29
    2.2.3 Kriging模型 31
    2.3 基准测试函数 33
    2.3.1 DTLZ测试集 33
    2.3.2 WFG测试集 35
    2.4 工程测试问题 38
    2.5 本章小结 40
    参考文献 41
    第3章 基于可控增强支配关系的多目标进化优化方法 43
    3.1 背景介绍 43
    3.1.1 各类支配关系概述 43
    3.1.2 NSGA-II 46
    iv 数据驱动的多目标进化优化方法与应用
    3.2 一种可控增强型支配关系 49
    3.2.1 增强型支配关系及其影响因子 49
    3.2.2 可控增强型支配关系 54
    3.2.3 CSDR基本性质及其证明 55
    3.2.4 NSGA-II/CSDR框架 56
    3.3 NSGA-II/CSDR分析 58
    3.3.1 NSGA-II/CSDR参数分析 58
    3.3.2 自适应策略有效性分析 60
    3.4 NSGA-II/CSDR测试 66
    3.4.1 算法参数设置 66
    3.4.2 数学算例测试 66
    3.5 本章小结 75
    参考文献 75
    第4章 基于多阶段搜索的多目标进化优化方法 77
    4.1 背景介绍 77
    4.1.1 多阶段搜索策略简介 77
    4.1.2 决策变量聚类方法 78
    4.2 MaOEA-MS 80
    4.2.1 算法框架 80
    4.2.2 收敛阶段策略 82
    4.2.3 多样化阶段策略 83
    4.2.4 微调阶段策略 83
    4.3 MaOEA-MS分析 85
    4.3.1 参数灵敏度分析 85
    4.3.2 策略有效性分析 86
    4.4 MaOEA-MS测试 89
    4.4.1 算法参数设置 89
    4.4.2 数学算例测试 90
    4.4.3 工程算例测试 97
    4.5 本章小结 99
    参考文献 99
    第5章 基于全局多样性策略的约束多目标进化优化方法 101
    5.1 约束多目标优化简介 101
    5.1.1 约束多目标优化问题 101
    5.1.2 约束多目标进化算法 102
    5.2 EGDCMO算法 104
    5.2.1 算法框架 104
    5.2.2 不可行解评估策略 107
    5.2.3 不可行解选择多样性策略 108
    5.3 EGDCMO算法分析 110
    5.3.1 全局多样性策略分析 110
    5.3.2 算法参数分析 116
    5.4 EGDCMO算法测试 118
    5.4.1 算法参数设置 118
    5.4.2 数学算例测试 119
    5.4.3 工程问题应用 124
    5.5 本章小结 128
    参考文献 128
    第6章 基于有效在线采样策略的代理模型辅助昂贵多目标进化优化方法 131
    6.1 昂贵多目标优化问题 131
    6.2 SGMOO算法 133
    6.2.1 代理模型引导的进化计算 133
    6.2.2 基于RBF的多目标开发 135
    6.2.3 基于RBF的单目标开发 137
    6.2.4 基于进化计算的开发 138
    6.2.5 采样准则和参数讨论 143
    6.3 SGMOO算法分析与测试 148
    6.3.1 数学算例测试 148
    6.3.2 工程问题应用 161
    6.4 本章小结 164
    参考文献 165
    第7章 分类代理模型辅助的昂贵多目标进化优化方法 167
    7.1 分类树方法 167
    7.2 CSA-MOEA 168
    7.2.1 算法框架 168
    7.2.2 分类标准 170
    7.2.3 分类树训练 171
    7.2.4 分类器管理 173
    7.3 CSA-MOEA分析 175
    7.3.1分类标准有效性分析 175
    7.3.2 分类树有效性分析 176
    7.3.3 加点策略有效性分析 178
    7.4 CSA-MOEA测试 179
    7.4.1 算法参数设置 179
    7.4.2 数学算例测试 180
    7.5 本章小结 188
    参考文献 188
    第8章 基于增强型支配关系学习的昂贵多目标进化优化方法 189
    8.1 研究背景 189
    8.2 前馈神经网络 190
    8.3 FAEA-SDR 190
    8.3.1 算法框架 190
    8.3.2 模糊神经网络训练 191
    8.3.3 环境选择 192
    8.3.4 样本迭代 193
    8.3.5 FAEA-SDR与REMO的差异 194
    8.4 FAEA-SDR测试 194
    8.4.1 参数设置 195
    8.4.2 算法对比 195
    8.4.3 算法参数分析 204
    8.4.4 运行时间比较 205
    8.5 本章小结 206
    参考文献 206
    第9章 基于动态探索的代理模型辅助昂贵多目标进化优化方法 208
    9.1 R-RVEA 208
    9.1.1 潜在较优个体选择策略 210
    9.1.2 参考向量细化再生成策略 210
    9.1.3 样本更新策略 212
    9.2 R-RVEA分析 214
    9.2.1 算法参数灵敏度分析 214
    9.2.2 算法策略分析 215
    9.3 R-RVEA测试 217
    9.3.1 多目标问题测试 218
    9.3.2 众目标问题测试 224
    9.4 本章小结 230
    参考文献 231
    第10章 基于两阶段搜索的代理模型辅助昂贵多目标进化优化方法 232
    10.1 TS-SAEA 232
    10.1.1 算法框架 232
    10.1.2 收敛性阶段 234
    10.1.3 多样性阶段 235
    10.2 TS-SAEA分析 237
    10.2.1 算法参数灵敏度分析 237
    10.2.2 RBF模型有效性分析 239
    10.2.3 两阶段搜索策略有效性分析 243
    10.3 TS-SAEA测试 245
    10.3.1 DTLZ系列问题测试 246
    10.3.2 WFG系列问题测试 249
    10.3.3 MaF系列问题测试 253
    10.4 本章小结 257
    参考文献 257
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

本平台为互联网非涉密平台，严禁处理、传输国家秘密。

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com