如何自学 占星术 占星教程网盘 塔罗牌教程百度网盘

遗传算法与工程优化PDF电子书下载

其他书籍

• 作 者：（日）玄光男，（日）程润伟着；于歆杰，周根贵译
• 出 版 社：北京市：清华大学出版社
• 出版年份：2004
• ISBN：7302074828
• 页数：391 页

图书介绍：本书总结了遗传算法在工业工程相关领域应用的前沿进展。全书共分9章：遗传算法基础、组合优化问题、多目标优化问题、模糊优化问题、可靠性设计问题、调度问题、高级运输问题、网络设计与路径问题和制造之设计问题。内容既涵盖了遗传算法在传统优化问题中的新进度，又涉及了目前在供应链接和物流研究中相等热门的话题。 查看图书目录点击购买PDF全本电子书 上一篇：微生物遗传学基础下一篇：高中数学复习 化数部分 第5分册 初稿 《遗传算法与工程优化》目录 标签：遗传 算法 工程

目录1

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

1.3.1全局优化21

1.3遗传优化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

3.2多目标优化的基本概念76

第3章 多目标优化问题76

3.1 引言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

3.3.4 Pareto解的概念88

3.4向量评价遗传算法89

3.5.1 Pareto排序方法92

3.5 Pareto排序和竞争方法92

3.5.2 Pareto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

4.1 引言109

4.2模糊线性规划109

第4章模糊优化问题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

4.5.1问题描述138

4.5模糊多目标整数规划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

5.2.2 Dengiz,Altiparmak和Smith的方法150

5.2.3 Deeter和Smith的方法155

5.3.1双目标网络拓扑设计160

5.3基于树的网络可靠性和局域网设计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

6.5.2 Memetic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MSF的遗传算法220

6.6.3数值例子223

7.1.1运输模型226

7.1引言226

第7章高级运输问题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

7.4.1数学模型242

7.4固定费用运输问题242

7.4.2 fcTP 问题的难点243

7.4.3 fcTP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

8.1引言258

8.2最短路径问题258

第8章 网络设计与路径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

8.4.1问题的描述275

8.4集中式网络设计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

8.5.2 Kumar,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

9.4.2 Joines基于次序的方法301

9.4.3 Moon和Kim的方法304

9.4.4 Joines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

9.5.3 Moon,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

相关图书

• 《市政工程基础》杨岚编着 2009
• 《工程静力学》王科盛主编 2019
• 《中央财政支持提升专业服务产业发展能力项目水利工程专业课程建设成果 设施农业工程技术》赵英编 2018
• 《化学反应工程》许志美主编 2019
• 《绿色过程工程与清洁生产技术 张懿院士论文集精选 上》《绿色过程工程与清洁生产技术》编写组编 2019
• 《软件工程》齐治昌，谭庆平，宁洪编着 2019
• 《化学工程与工艺专业实验指导》郭跃萍主编 2019
• 《天水师范学院60周年校庆文库 新工科视域下的工程基础与应用研究》《天水师范学院60周年校庆文库》编委会编 2019
• 《高等工程教育改革探析》李瀛心，吴价宝着 1997
• 《城市基坑工程设计施工实践与应用》李欢秋，刘飞，郭进军编着 2019

作者其它书籍

• 《母亲传承给孩子的四季生活》千早译；（日）麻希 2019
• 《看漫画学钢琴 技巧 3》高宁译；（日）川崎美雪 2019
• 《满愿》（日）米泽穗信着；王皎娇译 2019
• 《花时间 我的第一堂花艺课 插花基础技法篇》（日）花时间编辑部编；陈洁责编；冯莹莹译 2020
• 《黑色天鹅》（日）鲇川哲也着；王倩译 2019
• 《风涛》（日）井上靖着；覃思远译 2019
• 《胃癌基础病理》（日）冢本彻哉编者；宫健，刘石译者 2019
• 《甘肃民族民间歌曲全集 第2卷 酒泉市卷》周永利主编；郑午副主编 2016
• 《都会的忧郁》（日）佐藤春夫着；查士元译 1931
• 《不急不吼做妈妈》（日）山崎房一着；程俐译 2019

出版社其它书籍

• 《大学计算机实验指导及习题解答》曹成志，宋长龙 2019
• 《指向核心素养 北京十一学校名师教学设计 英语 七年级 上 配人教版》周志英总主编 2019
• 《大学生心理健康与人生发展》王琳责任编辑；（中国）肖宇 2019
• 《大学英语四级考试全真试题 标准模拟 四级》汪开虎主编 2012
• 《大学英语教学的跨文化交际视角研究与创新发展》许丽云，刘枫，尚利明着 2020
• 《北京生态环境保护》《北京环境保护丛书》编委会编着 2018
• 《复旦大学新闻学院教授学术丛书 新闻实务随想录》刘海贵 2019
• 《大学英语综合教程 1》王佃春，骆敏主编 2015
• 《大学物理简明教程 下 第2版》施卫主编 2020
• 《指向核心素养 北京十一学校名师教学设计 英语 九年级 上 配人教版》周志英总主编 2019

本类热门

• 1变通 受用一生的学问
• 2额尔古纳河右岸
• 3易经真的很容易
• 4海蒂怀孕大百科 全新第4版
• 5八次危机 中国的真实经验1949-2009
• 6法治的细节
• 7你是你吃出来的
• 8蛤蟆先生的希望
• 9杀死一只知更鸟
• 10天幕红尘

摘要：本文以“遗传算法与工程优化.pdf电子书版文档下载”为中心，详细阐述了遗传算法在工程优化中的应用及其优势。通过对遗传算法的基本原理、应用领域、优缺点以及与工程优化的结合等方面进行深入分析，旨在为读者提供一份全面了解遗传算法与工程优化的参考资料。

1、遗传算法概述

遗传算法是一种模拟自然选择和遗传学原理的搜索启发式算法。它通过模拟生物进化过程中的遗传、变异和选择等过程，实现对问题的优化求解。遗传算法具有全局搜索能力强、适应性强、易于实现等优点，在工程优化领域得到了广泛应用。

遗传算法的基本原理包括编码、初始种群生成、适应度评价、选择、交叉和变异等步骤。通过这些步骤，遗传算法能够不断优化解的质量，最终找到问题的最优解。

遗传算法在工程优化中的应用主要体现在以下几个方面：结构优化、参数优化、路径规划、神经网络训练等。这些应用领域广泛，为工程优化提供了新的思路和方法。

2、遗传算法在工程优化中的应用

遗传算法在结构优化中的应用主要包括结构尺寸优化、形状优化和拓扑优化等。通过遗传算法，可以快速找到结构的最优设计，提高结构性能，降低制造成本。

在参数优化方面，遗传算法可以用于优化工程中的各种参数，如材料参数、结构参数等。通过优化这些参数，可以提高工程系统的性能和可靠性。

在路径规划方面，遗传算法可以用于解决机器人路径规划、无人机航线规划等问题。通过遗传算法，可以找到最优的路径，提高路径规划的效率和准确性。

3、遗传算法的优缺点

遗传算法的优点包括：全局搜索能力强、适应性强、易于实现等。这使得遗传算法在解决复杂优化问题时具有明显优势。

然而，遗传算法也存在一些缺点，如收敛速度慢、参数设置困难、局部搜索能力不足等。这些问题在实际应用中需要加以注意和解决。

针对遗传算法的缺点，研究人员提出了许多改进方法，如自适应遗传算法、多目标遗传算法、并行遗传算法等。这些改进方法在一定程度上提高了遗传算法的性能和适用范围。

4、遗传算法与工程优化的结合

遗传算法与工程优化的结合主要体现在以下几个方面：优化算法的选择、参数设置、算法改进等。

在优化算法的选择方面，应根据具体问题选择合适的遗传算法，如单目标遗传算法、多目标遗传算法等。

在参数设置方面，应根据问题的特点调整遗传算法的参数，如种群规模、交叉率、变异率等。

在算法改进方面，可以结合其他优化算法或技术，如神经网络、粒子群算法等，以提高遗传算法的性能。

总结：

本文通过对“遗传算法与工程优化.pdf电子书版文档下载”的详细阐述，全面介绍了遗传算法在工程优化中的应用及其优势。遗传算法作为一种有效的优化工具，在工程优化领域具有广泛的应用前景。然而，在实际应用中，仍需注意遗传算法的优缺点，并结合具体问题进行改进和优化。

本文由nayona.cn整理

点击联系需要东西方神秘学学习资料，专业的咨询