協(xié)同進化計算與多智能體系統(tǒng)

《智能科學技術著作叢書》序
前言
第1章緒論
1．1 從進化論到進化計算
1．1．1 現(xiàn)代進化論
1．1．2 生物進化與優(yōu)化
1．2 進化計算
1．2．1 進化計算的主要分支
1．2．2 進化計算的數學基礎
1．2．3 進化算法的收斂性理論
1．2．4 進化計算的應用
1．3 協(xié)同進化計算
1．3．1 協(xié)同進化的生物學基礎
1．3．2 協(xié)同進化的動力學描述
1．3．3 協(xié)同進化算法的發(fā)展現(xiàn)狀
1．4 復雜適應系統(tǒng)
1．4．1 復雜適應系統(tǒng)
1．4．2 復雜適應系統(tǒng)的適應性與生物進化過程
1．4．3 生物進化過程的數學模型
1．5 多智能體系統(tǒng)
1．5．1 智能體的基本概念
1．5．2 智能體形式化描述
1．5．3 多智能體系統(tǒng)的主要研究內容
1．5．4 面向問題解決的多智能體系統(tǒng)研究現(xiàn)狀
1．5．5 多智能體系統(tǒng)與分布式人工智能
1．5．6 多智能體系統(tǒng)與人工生命
1．5．7 多智能體系統(tǒng)與進化計算
第2章 組織協(xié)同進化分類算法
2．1 分類問題與組織學習模型
2．2 用于分類的組織
2．3 組織適應度函數
2．4 組織協(xié)同進化分類算法
2．5 仿真實驗比較研究
2．5．1 UCI標準數據集
2．5．2 算法擴展性分析
2．6 算法實際應用
2．6．1 雷達一維像識別
2．6．2 遙感艦船目標識別
第3章 組織進化算法求解sAT問題
3．1 用于SAT問題的組織
3．2 組織進化算子設計
3．2．1 自學習算子
3．2．2 吞并算子
3．2．3 分裂算子
3．3 求解SAT問題的組織進化算法
3．4 仿真實驗比較研究
第4章 組織進化數值優(yōu)化算法
4．1 用于數值優(yōu)化的組織
4．2 組織進化算子設計
4．2．1 分裂算子
4．2．2 吞并算子
4．2．3 合作算子
4．3 組織進化數值優(yōu)化算法
4．4 收斂性證明
4．5 無約束優(yōu)化仿真實驗
4．5．1 OEA的實驗結果
4．5．2 OEA與FEP和OGA位的比較
4．6 有約束優(yōu)化仿真實驗
4．6．1 OEA與已有方法的性能比較
4．6．2 OEA的實驗結果
4．6．3種群規(guī)模對OEA求解無約束優(yōu)化性能的影響
4．7 參數機理研究
4．7．1 參數AS和CS對OEA性能的影響
4．7．2 參數Maxos對OEA性能的影響
第5章 移動模式序列——一種新的VLSI布圖表示方法
5．1 布圖規(guī)劃問題
5．2 矩形模塊移動模式序列
5．2．1 移動模式序列的定義
5．2．2 移動模式序列到布局的轉換算法
5．2．3 移動模式序列到布局轉換算法的正確性與計算復雜度分析
5．3 直線邊界模塊移動模式序列
5．3．1 直線邊界模塊的信息表示結構
5．3．2 移動模式序列到布局的轉換算法
5．3．3 移動模式序列到布局的轉換實例
第6章 基于移動模式序列的組織進化算法
6．1 求解布圖規(guī)劃問題的組織定義
6．2 各類型模塊形狀的確定
6．3 組織進化算子設計
6．3．1 分裂算子
6．3．2 吞并算子
6．3．3 培訓算子
6．4 基于移動模式序列的組織進化算法
6．5 仿真實驗比較研究
6．5．1 硬矩形模塊的布圖規(guī)劃實驗
6．5．2 軟矩形模塊的布圖規(guī)劃實驗
6．5．3 軟矩形模塊與硬直線邊界模塊混合的布圖規(guī)劃實驗
第7章 協(xié)同進化多目標優(yōu)化算法求解VLSI布圖規(guī)劃問題
7．1 多目標優(yōu)化
7．1．1 多目標優(yōu)化問題的起源與數學模型
7．1．2 經典的多目標進化算法
7．1．3 種群多樣性
7．1．4 性能評價方法
7．2 協(xié)同進化多目標優(yōu)化算法
7．2．1 適應度定義與選擇機制
7．2．2 協(xié)同進化算子
7．2．3 算法描述
7．2．4 仿真實驗比較研究
7．3 求解VLSI布圖規(guī)劃問題的協(xié)同進化多目標優(yōu)化算法
7．3．1 協(xié)同進化算子設計
7．3．2 算法描述
7．3．3 仿真實驗比較研究
第8章 用于超高維函數優(yōu)化的多智能體遺傳算法
8．1 用于函數優(yōu)化的智能體
8．2 智能體遺傳算子設計
8．2．1 鄰域競爭算子
8．2．2 鄰域正交交叉算子
8．2．3 變異算子
8．2．4 自學習算子
8．3 多智能體遺傳算法
8．4 收斂性證明
8．5 仿真實驗比較研究
8．5．1 幾個典型算法
8．5．2 30維函數優(yōu)化實驗
8．5．3 20-1 000維函數優(yōu)化實驗
8．5．4 1 000～10 000維函數優(yōu)化實驗
8．6 線性系統(tǒng)逼近問題仿真實驗
8．6．1 自適應伸縮搜索空間的方法
8．6．2 自適應遺傳算法仿真實驗
8．6．3 用于線性系統(tǒng)逼近的多智能體遺傳算法
8．6．4 線性系統(tǒng)逼近問題仿真實驗
第9章 可分解函數優(yōu)化的宏智能體進化模型
9．1 可分解函數
9．2 宏智能體
9．3 宏智能體進化模型
9．4 層次多智能體遺傳算法
9．4．1 算法描述
9．4．2 收斂性證明與時間復雜度分析
9．4．3 仿真實驗比較研究
第10章 組合優(yōu)化多智能體進化算法
10．1 用于組合優(yōu)化的智能體
10．2 智能體的行為
10．2．1 競爭行為
10．2．2 自學習行為
10．3 組合優(yōu)化多智能體進化算法
10．4 收斂性證明
10．5 欺騙問題仿真實驗
10．5．1 強聯(lián)結欺騙函數實驗
10．5．2 弱聯(lián)結欺騙函數實驗
10．5．3 重疊聯(lián)結欺騙函數實驗
10．6 等級問題仿真實驗
10．6．1 等級問題
10．6．2 實驗結果
第11章 約束滿足智能體進化算法
11．1 約束滿足智能體
11．1．1 約束滿足問題：
11．1．2 約束滿足智能體的定義
11．1．3 約束滿足智能體的生存環(huán)境
11．2 約束滿足智能體的行為
11．2．1 競爭行為
11．2．2 自學習行為
11．2．3 變異行為
11．3 約束滿足智能體進化算法
11．4 算法復雜性分析
11．4．1 空間復雜度分析
11．4．2 收斂性證明
11．5 非排列式約束滿足問題仿真實驗
11．5．1 與經典算法的性能比較研究
11．5．2 算法參數機理分析
11．6 排列式約束滿足問題仿真實驗
11．6．1 n-皇后問題
11．6．2 實驗結果
第12章 多智能體進化算法的實際應用
12．1 約束布局優(yōu)化問題
12．1．1問題描述
12．1．2 求解約束布局優(yōu)化問題的多智能體遺傳算法
12．1．3 仿真實驗比較研究
12．2 時延受限組播路由問題
12．2．1 組播路由算法概述
12．2．2 搜索空間動態(tài)擴展的多智能體進化算法求解時延受限組播路由問題
12．2．3 仿真實驗研究
參考文獻
附錄A 第4章的15個無約束優(yōu)化測試函數
附錄B 第4章的13個有約束優(yōu)化測試函數
附錄C 圖6．2布圖結果對應的形狀信息和移動模式序列
附錄D 圖6．3布圖結果對應的形狀信息和移動模式序列
附錄E 圖6．4布圖結果對應的形狀信息和移動模式序列