Раздел 11 / 17

Страница 1 / 52

Глава 8. Популяционные алгоритмы многоцелевой оптимизации

/

Режим прокрутки

На первую страницу

На предыдущую главу

На предыдущую страницу

На следующую страницу

На следующую главу

На последнюю страницу

/

8.1. Задача многоцелевой оптимизации (МЦО-задача) и алгоритмы ее решения

Если Вы наш подписчик,то для того чтобы скопировать текст этой страницы в свой конспект,
используйте просмотр в виде pdf. Вам доступно 10 стр. из этой главы.

На первую страницу

На предыдущую главу

На предыдущую страницу

На следующую страницу

На следующую главу

На последнюю страницу

Скачать приложение

Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой

Оглавление

Предисловие

Основные обозначения

Введение

Глава 1. Постановка задачи поисковой оптимизации и непопуляционные стохастические алгоритмы ее решения +

Глава 2. Эволюционные алгоритмы +

Глава 3. Алгоритмы роя частиц, колонии муравьев и пчелиного роя +

Глава 4. Другие популяционные алгоритмы, вдохновленные живой природой +

Глава 5. Популяционные алгоритмы, инспирированные неживой природой, человеческим обществом, и другие популяционные алгоритмы +

Глава 6. Гибридизация популяционных алгоритмов +

Глава 7. Метаоптимизация популяционных алгоритмов +

Глава 8. Популяционные алгоритмы многоцелевой оптимизации -

8.1. Задача многоцелевой оптимизации (МЦО-задача) и алгоритмы ее решения

8.1.1. Постановка задачи

8.1.2. Классификация алгоритмов решения МЦО-задачи

8.2. Непопуляционные алгоритмы Парето-аппроксимации

8.2.1. Сеточные алгоритмы

8.2.2. Алгоритмы на основе свертки целевых функций

8.3. Популяционные алгоритмы Парето-аппроксимации

8.3.1. Лексикографическая турнирная селекция

8.3.2. Алгоритмы чередующихся целевых функций

8.3.3. Алгоритмы на основе ранжирования агентов

8.3.4. Алгоритмы, не использующие ранжирование агентов

8.4. Критерии оценки качества Парето-аппроксимации

8.4.1. Унарные критерии

8.4.2. Бинарные критерии

8.5. Методы обеспечения качества Парето-аппроксимации

8.5.1. Нишевание

8.5.2. Другие методы

8.6. Примеры Парето-аппроксимации

8.6.1. Парето-аппроксимация на основе генетического алгоритма

8.6.2. Аппроксимация с помощью алгоритма роя частиц

8.6.3. Аппроксимация на основе алгоритма колонии муравьев

8.6.4. Аппроксимация на основе пчелиного алгоритма

Вопросы для самопроверки

Глава 9. Параллельные популяционные алгоритмы поисковой оптимизации +

Литература

Приложение А. История разработки популяционных алгоритмов поисковой оптимизации

Приложение Б. Тестовые функции для одноцелевой задачи глобальной оптимизации

Приложение В. Тестовые задачи многоцелевой оптимизации

Предметный указатель