译者的话Ⅲ

序言Ⅴ

第1章遗传算法的基础1

1.1引言1

1.1.1编码问题2

1.1.2遗传算子6

1.1.3选择7

1.1.4遗传局部搜索9

1.2遗传算法的适应性11

1.2.1结构适应性12

1.2.2参数适应性13

1.2.3模糊逻辑控制器14

1.3遗传优化21

1.3.1全局优化21

1.3.2约束优化26

1.3.3组合优化29

1.3.4多目标优化30

1.4近期遗传算法的论文30

第2章组合优化问题41

2.1引言41

2.2集覆盖问题41

2.2.1航线机组成员调度问题43

2.2.2遗传表示44

2.2.3遗传算子45

2.2.4遗传算法47

2.2.5计算经验47

2.3装箱问题48

2.3.1启发式算法49

2.3.2遗传表示50

2.3.3遗传算子52

2.3.4适应值函数53

2.3.5初始化种群54

2.3.6计算经验54

2.4背包问题55

2.4.1多选择背包问题56

2.4.2多约束背包问题60

2.5最小生成树问题63

2.5.1二次最小生成树问题64

2.5.2度约束的最小生成树问题67

2.5.3双目标最小生成树问题71

第3章多目标优化问题76

3.1引言76

3.2多目标优化的基本概念76

3.2.1非支配解77

3.2.2偏好结构78

3.2.3基本求解方法79

3.2.4问题的结构和特性82

3.3遗传多目标优化83

3.3.1遗传搜索的特征83

3.3.2适应值分配机制83

3.3.3适应值共享和种群多样性86

3.3.4Pareto解的概念88

3.4向量评价遗传算法89

3.5Pareto排序和竞争方法92

3.5.1Pareto排序方法92

3.5.2Pareto竞争方法94

3.6权重和方法95

3.6.1随机权重方法95

3.6.2适应性权重方法97

3.7距离方法100

3.7.1距离方法的一般思想100

3.7.2计算距离度量102

3.7.3距离方法的应用104

3.8妥协方法105

3.9目标规划方法106

第4章模糊优化问题109

4.1引言109

4.2模糊线性规划109

4.2.1模糊线性规划模型110

4.2.2遗传算法方法114

4.2.3交互式方法116

4.2.4数值例子118

4.3模糊非线性规划120

4.3.1非线性规划模型120

4.3.2用于求解FO／RNP1的非精确方法123

4.3.3交互式方法125

4.3.4数值例子126

4.4模糊非线性混合整数目标规划128

4.4.1模糊非线性混合整数目标规划模型128

4.4.2遗传算法方法130

4.4.3数值例子132

4.5模糊多目标整数规划138

4.5.1问题描述138

4.5.2增广的最小最大问题140

4.5.3遗传算法方法140

4.5.4交互式模糊满意方法143

4.5.5数值例子144

第5章可靠性设计问题148

5.1引言148

5.2网络可靠性设计148

5.2.1问题描述150

5.2.2Dengiz,Altiparmak和Smith的方法150

5.2.3Deeter和Smith的方法155

5.3基于树的网络可靠性和局域网设计160

5.3.1双目标网络拓扑设计160

5.3.2数值例子166

5.4多目标可靠性设计169

5.4.1双目标可靠性设计169

5.4.2遗传算法方法169

5.4.3混合遗传算法方法171

5.4.4带有模糊目标的可靠性设计174

第6章调度问题178

6.1引言178

6.2作业车间调度178

6.2.1基本方法179

6.2.2编码179

6.2.3适应性遗传算子180

6.2.4以启发式方法为特点的遗传算子183

6.2.5混合遗传算法185

6.2.6讨论191

6.3群体作业调度问题192

6.3.1问题的描述和必要条件192

6.3.2基本运行194

6.3.3表示196

6.3.4评价197

6.3.5遗传算子197

6.3.6整体过程197

6.3.7数值例子198

6.4资源约束的项目调度200

6.4.1基于优先权的编码202

6.4.2遗传算子205

6.4.3评价与选择207

6.4.4试验结果208

6.5并行机器调度211

6.5.1支配条件212

6.5.2Memetic算法216

6.5.3试验结果218

6.6多处理器调度问题220

6.6.1问题描述与假设220

6.6.2求解MSP的遗传算法220

6.6.3数值例子223

第7章高级运输问题226

7.1引言226

7.1.1运输模型226

7.1.2运输问题的构造227

7.2基于生成树的方法230

7.2.1树的表示231

7.2.2初始化233

7.2.3遗传运算234

7.2.4评价与选择234

7.2.5整个算法过程235

7.3多目标运输问题236

7.3.1问题的描述236

7.3.2多目标运输问题的基于生成树的遗传算法237

7.3.3数例239

7.4固定费用运输问题242

7.4.1数学模型242

7.4.2fcTP问题的难点243

7.4.3fcTP的求解方法243

7.4.4遗传算法的实现244

7.4.5数例244

7.5容量限制的工厂选址问题246

7.5.1数学模型247

7.5.2针对工厂问题的基于生成树的遗传算法248

7.5.3数例249

7.6带模糊系数的双目标运输问题250

7.6.1问题的表述251

7.6.2排序模糊数251

7.6.3遗传算法的实现252

7.6.4数例254

第8章网络设计与路径258

8.1引言258

8.2最短路径问题258

8.2.1问题描述259

8.2.2遗传算法的方法260

8.2.3数例265

8.3有适应能力的网络路由266

8.3.1基于遗传算法的有适应能力的路由267

8.3.2染色体表示267

8.3.3染色体评价268

8.3.4遗传算子268

8.3.5数例272

8.4集中式网络设计275

8.4.1问题的描述275

8.4.2遗传算法276

8.4.3数例277

8.5计算机网络扩展278

8.5.1问题描述278

8.5.2Kumar, Pathak和Gupta的方法279

8.5.3数例281

8.6多阶段工序计划282

8.6.1问题的描述282

8.6.2遗传算法283

8.6.3数例284

8.7网络上的M/G/s队列设备定位285

8.7.1问题的描述286

8.7.2进化计算方法289

8.7.3数例291

第9章制造元设计294

9.1引言294

9.2制造元设计295

9.3传统的制造元设计方法296

9.3.1相似系数方法297

9.3.2基于数组的方法297

9.3.3数学规划方法298

9.3.4图与网络方法298

9.4遗传算法方法299

9.4.1遗传子表示和遗传算子299

9.4.2Joines基于次序的方法301

9.4.3Moon和Kim的方法304

9.4.4Joines的整数规划方法310

9.4.5其他方法315

9.5可选加工计划的制造元设计316

9.5.1可选操作和机器冗余的结合317

9.5.2可选路径的结合320

9.5.3Moon, Gen和Kim的对于独立单元的方法325

9.6独立单元的设计330

9.6.1机器类型数最小化的族群构造330

9.6.2族群数的确定334

9.6.3极小化机器数337

9.6.4其他设想338

参考文献339

索引381