多目标优化免疫算法、理论和应用

《智能科学技术著作丛书》序

前言

第1章 多目标优化研究进展

1.1 多目标优化问题

1.2 多目标优化问题的数学模型

1.3 多目标优化算法

1.3.1 古典的多目标优化方法

1.3.2 基于进化算法的多目标优化方法

1.3.3 基于粒子群的多目标优化方法

1.3.4 基于协同进化的多目标优化方法

1.3.5 基于人工免疫系统的多目标优化方法

1.3.6 基于分布估计的多目标优化方法

1.4 多目标优化的研究趋势

1.4.1 新型占优机制研究

1.4.2 高维多目标优化的研究

1.4.3 动态多目标优化的研究

1.4.4 多目标优化测试问题研究

1.5 多目标优化算法的设计目标

参考文献

第2章 人工免疫系统基础

2.1 进化计算的基础

2.1.1 进化计算的生物学基础

2.1.2 进化算法的一般框架及特点

2.1.3 进化算法的主要分支

2.1.4 进化算法研究进展

2.2 生物免疫系统

2.2.1 生物免疫学和免疫的基本概念

2.2.2 免疫分类

2.2.3 免疫系统及其功能

2.3 生物免疫系统的两个重要学说

2.3.1 克隆选择学说

2.3.2 免疫网络学说

2.4 人工免疫系统

2.4.1 人工免疫系统研究历史和现状

2.4.2 人工免疫系统模型

2.4.3 人工免疫系统算法

参考文献

第3章 多目标优化算法的收敛性及性能度量

3.1 多目标优化算法的收敛性

3.1.1 概述

3.1.2 全局收敛性的特征

3.1.3 Pareto-最优解集的特征

3.1.4 多目优化算法的收敛性

3.2 多目标优化算法的性能度量

3.2.1 概述

3.2.2 常见的性能度量方法

3.2.3 改进的性能度量方法

3.3 本章小结

参考文献

第4章 免疫克隆选择多目标优化算法

4.1 引言

4.2 算法设计与实现

4.2.1 算法流程图

4.2.2 初始化

4.2.3 免疫克隆操作

4.2.4 免疫基因操作

4.2.5 克隆选择操作

4.2.6 抗体群更新操作

4.2.7 NICA用于求解多目标优化问题

4.3 算法的复杂度分析

4.4 算法的性能度量指标

4.5 仿真结果及其分析

4.5.1 测试问题

4.5.2 算法的参数选择和分析

4.5.3 仿真结果分析

4.6 本章小结

参考文献

第5章 免疫克隆多目标优化算法求解约束优化问题

5.1 引言

5.2 问题定义

5.3 约束处理技术

5.3.1 已有的约束处理技术

5.3.2 本章使用的约束处理方法

5.4 算法设计与实现

5.4.1 免疫和克隆选择

5.4.2 克隆操作

5.4.3 免疫基因操作

5.4.4 求解约束优化问题的免疫克隆多目标优化算法

5.5 算法的收敛性分析

5.6 算法的复杂度分析

5.7 实验结果与分析

5.7.1 测试问题

5.7.2 测试结果及性能分析

5.8 本章小结

参考文献

第6章 免疫记忆克隆算法用于求解约束多目标优化问题

6.1 引言

6.2 约束多目标优化问题的数学模型

6.3 用于约束多目标优化的免疫记忆克隆算法

6.3.1 约束条件的处理方法

6.3.2 免疫记忆克隆

6.3.3 免疫克隆重组操作

6.3.4 免疫克隆变异操作

6.3.5 免疫记忆克隆约束多目标优化

6.4 算法的特点分析

6.5 算法的复杂度分析

6.6 性能度量指标

6.7 实验结果与分析

6.7.1 测试问题

6.7.2 算法的参数选择和分析

6.7.3 测试结果及性能分析

6.8 本章小结

参考文献

第7章 免疫克隆算法求解动态多目标优化问题

7.1 引言

7.2 动态多目标优化问题

7.3 算法设计与实现

7.3.1 免疫克隆选择算子

7.3.2 非一致性变异算子

7.3.3 抗体群更新算子

7.3.4 动态多目标免疫克隆优化算法

7.4 算法的性能分析

7.5 算法的复杂度分析

7.6 实验结果与分析

7.6.1 收敛测度

7.6.2 测试问题

7.6.3 测试结果及性能分析

7.7 本章小结

参考文献

第8章 基于免疫优势克隆选择的多目标组合优化

8.1 引言

8.2 典型多目标优化问题的数学模型

8.3 用于多目标组合优化问题的免疫优势克隆选择算法

8.3.1 基本定义

8.3.2 免疫优势获得操作

8.3.3 免疫优势克隆操作

8.3.4 免疫优势选择操作

8.3.5 免疫优势克隆选择算法

8.4 算法机理分析

8.4.1 算法的机理

8.4.2 算法的复杂度分析

8.5 性能评价指标

8.6 IDCMA求解背包问题

8.6.1 多目标0／1背包问题的数学模型

8.6.2 约束处理

……

第9章 基于免疫克隆优化的多目标聚类

第10章 求解多目标化的非支配近邻免疫算法

第11章 求解偏好多目标优化的偏好等级免疫记忆克隆选择算法

第12章 多目标优化问题的多智能体社会进化算法

第13章 量子免疫克隆多目标优化算法

参考文献

本书在全面总结国内外多目标优化及人工免疫系统发展现状的基础上，着重介绍作者在基于人工免疫系统的多目标优化这一领域的研究成果，主要包括：免疫克隆选择多目标优化算法及其在多目标0／1背包问题、约束优化问题、动态多目标优化问题及多目标聚类中的应用，用于求解约束多目标优化的免疫记忆克隆算法，求解多目标优化的非支配近邻免疫算法，求解偏好多目标优化的偏好等级免疫记忆克隆选择算法，基于多智能体的多目标社会协同进化算法，量子免疫克隆多目标优化算法，并针对不同问题提出了多种新的算法和实现策略。
　　《多目标优化免疫算法、理论和应用》可为计算机科学、信息科学、人工智能、自动化技术等领域从事人工免疫系统或多目标优化研究的相关专业技术人员提供参考，也可作为相关专业研究生和高年级本科生教材。

在多目标优化领域，人工免疫系统算法已经表现出比进化算法更优异的特性，如在提高收敛速度的同时，较好地保持了种群的多样性，《多目标优化免疫算法、理论和应用》着重介绍了作者在基于人工免疫系统的多目标优化这一领域的研完成果，主要包括：免疫克隆选择多目标优化算法、免疫记忆克隆算法、非支配近邻免疫算法、偏好等级免疫记忆克隆选择算法、多目标社会协同进化算法以及量子免疫克隆多目标优化算法，并针对不同问题提出了多种新的算法和实现策略。