动态多目标粒子群优化算法及其应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

动态多目标粒子群优化算法及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 引言1

1.2 粒子群算法简介2

1.2.1 粒子群算法的研究背景2

1.2.2 粒子群算法的基本描述3

1.2.3 粒子群算法的基本应用5

1.3 动态多目标优化问题及其粒子群算法研究5

1.3.1 动态多目标优化问题及基本概念5

1.3.2 多目标优化问题及其PSO算法研究6

1.3.3 动态优化问题及其PSO算法研究7

1.3.4 带约束的优化问题及其PSO算法研究9

1.4 无人机任务指派问题研究10

1.4.1 无人机任务指派问题研究背景10

1.4.2 国内外无人机任务指派研究现状11

1.4.3 国内外求解无人机任务指派方法研究现状14

1.5 本书的体系结构17

1.6 本章小结19

参考文献19

第2章 多目标优化问题研究及其粒子群优化27

2.1 多目标优化问题研究27

2.1.1 多目标优化问题的描述28

2.1.2 多目标优化问题的研究发展28

2.1.3 多目标优化问题的实际应用32

2.2 多目标优化算法的性能度量和测试问题33

2.2.1 多目标优化算法的性能度量33

2.2.2 多目标优化算法的测试问题34

2.3 不同算法在多目标优化中的应用35

2.3.1 古典的多目标优化方法36

2.3.2 基于进化算法的多目标优化方法37

2.3.3 基于人工免疫系统的多目标优化方法38

2.3.4 基于分布估计的多目标优化方法41

2.3.5 基于粒子群算法的多目标优化方法42

2.4 多目标粒子群优化算法43

2.4.1 基本多目标粒子群优化算法及其流程44

2.4.2 MOPSO算法描述46

2.4.3 数值实验及结果分析48

2.5 本章小结55

参考文献55

第3章 动态环境及动态粒子群优化算法研究60

3.1 动态优化问题研究61

3.1.1 动态优化问题的定义及其分类61

3.1.2 动态环境变化的数学表示62

3.1.3 动态优化问题的标准测试函数65

3.1.4 动态优化问题的性能评价71

3.2 动态优化问题中PSO搜索策略74

3.2.1 针对动态问题的PSO改进搜索策略75

3.2.2 基于种群的搜索策略76

3.3 环境变化检测方法78

3.3.1 无环境动态检测方法79

3.3.2 有环境动态检测操作79

3.4 动态响应策略80

3.4.1 主动式策略81

3.4.2 反应式策略82

3.4.3 混合式策略83

3.5 多种群协同PSO算法求解动态环境优化问题83

3.5.1 算法描述83

3.5.2 仿真实验85

3.6 本章小结91

参考文献92

第4章 含有约束的优化问题及其PSO求解96

4.1 约束优化问题研究96

4.1.1 约束优化问题的模型及基本概念97

4.1.2 约束优化问题的基准测试函数97

4.1.3 约束优化问题的性能指标98

4.1.4 约束优化问题的难点分析99

4.2 有关约束的处理策略101

4.2.1 约束惩罚和目标函数法102

4.2.2 约束与目标的分离策略104

4.2.3 基于Pareto原则的约束处理（多目标处理法）109

4.2.4 其他约束处理方法111

4.3 线性约束问题114

4.4 约束满足问题115

4.5 本章小结116

参考文献117

第5章 动态多目标优化问题研究122

5.1 动态单目标优化问题的研究122

5.1.1 动态单目标优化问题的定义122

5.1.2 动态单目标优化算法的研究现状123

5.2 动态多目标优化问题的描述124

5.2.1 动态多目标优化问题的定义124

5.2.2 动态多目标问题的分类125

5.3 动态多目标算法的研究现状126

5.3.1 静态多目标算法应用于动态问题127

5.3.2 新动态多目标算法的提出129

5.3.3 动态问题静态化129

5.3.4 动态多目标问题算法设计的通用机制129

5.3.5 基于预测机制的动态多目标算法130

5.4 动态多目标优化问题的测试函数131

5.4.1 DMOPs测试函数概述131

5.4.2 FDA测试函数集131

5.4.3 其他测试函数集136

5.5 动态多目标优化算法的性能评价指标140

5.6 本章小结143

参考文献143

第6章 动态多目标粒子群优化算法研究147

6.1 动态算法中常用的环境变化处理策略148

6.2 基于MOPSO算法的动态多目标算法149

6.2.1 MOPSO算法149

6.2.2 DMOPSO算法流程150

6.3 基于VEPSO算法的动态多目标算法151

6.3.1 VEPSO算法的基本流程152

6.3.2 DVEPSO算法152

6.4 基于DMOPSO和DVEPSO算法的数值实验及分析153

6.4.1 实验设计与参数设置153

6.4.2 测试函数154

6.4.3 性能评价指标156

6.4.4 结果分析156

6.5 基于自变量维数变化的DMPSO算法164

6.5.1 问题描述164

6.5.2 动态多目标优化粒子群算法（DMPSO）165

6.5.3 基于自变量维数变化的DMPSO算法描述167

6.5.4 数值实验仿真169

6.6 本章小结172

参考文献173

第7章 动态多目标异构无人机指派问题176

7.1 无人机任务指派问题的研究和发展方向177

7.1.1 无人机任务指派问题的研究177

7.1.2 无人机任务指派的发展方向178

7.2 多UAV任务控制体系结构180

7.2.1 集中式控制体系180

7.2.2 分布式控制体系181

7.3 UAV任务指派问题建模183

7.3.1 UAV任务指派问题描述183

7.3.2 UAV协同任务类型184

7.3.3 任务指派计划评价指标185

7.3.4 无人机协同多任务分配约束条件186

7.3.5 动态环境定义188

7.4 常见的任务指派问题数学模型189

7.4.1 基于市场竞拍机制的协商模型189

7.4.2 整数线性规划模型191

7.4.3 动态网络流模型191

7.4.4 基于车辆路径问题模型192

7.4.5 多旅行商问题模型192

7.5 常见的无人机任务分配算法193

7.5.1 进化算法求解UAV任务指派问题193

7.5.2 遗传算法求解UAV任务指派问题194

7.5.3 禁忌搜索求解UAV任务指派问题194

7.5.4 粒子群算法求解UAV任务指派问题195

7.6 本章小结195

参考文献195

第8章 无人机任务指派问题求解200

8.1 基于约束条件下的UAV任务指派建模200

8.1.1 UAV任务指派的约束优化问题模型200

8.1.2 相关定义202

8.1.3 任务指派评价指标204

8.2 无人机任务指派问题中的多目标处理206

8.2.1 多目标转化为单目标策略206

8.2.2 基于Pareto最优解集的多目标优化处理206

8.3 约束描述和处理209

8.3.1 约束定义209

8.3.2 约束处理209

8.4 无人机任务指派问题的求解211

8.4.1 基于ROV规则的编码设计211

8.4.2 基于分离索引策略的适应度函数设计212

8.4.3 UAV任务指派的PSO优化算法设计212

8.5 数值实验结果及分析216

8.5.1 实验设计217

8.5.2 基于构造解的约束处理实验217

8.5.3 分离索引策略约束处理224

8.5.4 动态多目标UAV指派问题仿真实验234

8.6 本章小结239

参考文献240