多目标优化免疫算法、理论和应用

1 (p1): 第1章 多目标优化研究进展
1 (p2): 1.1 多目标优化问题
3 (p3): 1.2 多目标优化问题的数学模型
4 (p4): 1.3 多目标优化算法
4 (p5): 1.3.1 古典的多目标优化方法
5 (p6): 1.3.2 基于进化算法的多目标优化方法
10 (p7): 1.3.3 基于粒子群的多目标优化方法
11 (p8): 1.3.4 基于协同进化的多目标优化方法
12 (p9): 1.3.5 基于人工免疫系统的多目标优化方法
16 (p10): 1.3.6 基于分布估计的多目标优化方法
16 (p11): 1.4 多目标优化的研究趋势
17 (p12): 1.4.1 新型占优机制研究
17 (p13): 1.4.2 高维多目标优化的研究
19 (p14): 1.4.3 动态多目标优化的研究
19 (p15): 1.4.4 多目标优化测试问题研究
20 (p16): 1.5 多目标优化算法的设计目标
21 (p17): 参考文献
28 (p18): 第2章 人工免疫系统基础
28 (p19): 2.1 进化计算的基础
28 (p20): 2.1.1 进化计算的生物学基础
29 (p21): 2.1.2 进化算法的一般框架及特点
30 (p22): 2.1.3 进化算法的主要分支
32 (p23): 2.1.4 进化算法研究进展
34 (p24): 2.2 生物免疫系统
34 (p25): 2.2.1 生物免疫学和免疫的基本概念
35 (p26): 2.2.2 免疫分类
36 (p27): 2.2.3 免疫系统及其功能
40 (p28): 2.3 生物免疫系统的两个重要学说
40 (p29): 2.3.1 克隆选择学说
42 (p30): 2.3.2 免疫网络学说
43 (p31): 2.4 人工免疫系统
43 (p32): 2.4.1 人工免疫系统研究历史和现状
44 (p33): 2.4.2 人工免疫系统模型
45 (p34): 2.4.3 人工免疫系统算法
48 (p35): 参考文献
53 (p36): 第3章 多目标优化算法的收敛性及性能度量
53 (p37): 3.1 多目标优化算法的收敛性
53 (p38): 3.1.1 概述
54 (p39): 3.1.2 全局收敛性的特征
54 (p40): 3.1.3 Pareto-最优解集的特征
56 (p41): 3.1.4 多目优化算法的收敛性
57 (p42): 3.2 多目标优化算法的性能度量
57 (p43): 3.2.1 概述
58 (p44): 3.2.2 常见的性能度量方法
60 (p45): 3.2.3 改进的性能度量方法
64 (p46): 3.3 本章小结
64 (p47): 参考文献
67 (p48): 第4章 免疫克隆选择多目标优化算法
67 (p49): 4.1 引言
68 (p50): 4.2 算法设计与实现
69 (p51): 4.2.1 算法流程图
69 (p52): 4.2.2 初始化
69 (p53): 4.2.3 免疫克隆操作
71 (p54): 4.2.4 免疫基因操作
72 (p55): 4.2.5 克隆选择操作
73 (p56): 4.2.6 抗体群更新操作
74 (p57): 4.2.7 NICA用于求解多目标优化问题
75 (p58): 4.3 算法的复杂度分析
76 (p59): 4.4 算法的性能度量指标
76 (p60): 4.5 仿真结果及其分析
76 (p61): 4.5.1 测试问题
79 (p62): 4.5.2 算法的参数选择和分析
81 (p63): 4.5.3 仿真结果分析
109 (p64): 4.6 本章小结
110 (p65): 参考文献
113 (p66): 第5章 免疫克隆多目标优化算法求解约束优化问题
113 (p67): 5.1 引言
113 (p68): 5.2 问题定义
114 (p69): 5.3 约束处理技术
114 (p70): 5.3.1 已有的约束处理技术
115 (p71): 5.3.2 本章使用的约束处理方法
116 (p72): 5.4 算法设计与实现
116 (p73): 5.4.1 免疫和克隆选择
116 (p74): 5.4.2 克隆操作
117 (p75): 5.4.3 免疫基因操作
120 (p76): 5.4.4 求解约束优化问题的免疫克隆多目标优化算法
121 (p77): 5.5 算法的收敛性分析
123 (p78): 5.6 算法的复杂度分析
124 (p79): 5.7 实验结果与分析
124 (p80): 5.7.1 测试问题
128 (p81): 5.7.2 测试结果及性能分析
131 (p82):…