張勇、鞏敦衛著的《先進多目標粒子群優化理論
及其應用》闡述了多目標粒子群優化算法的原理及其
應用，主要內容包括基於最小角度的粒子引導者選擇
、外部儲備集的兩階段更新、基於目標分割的多種群
協同進化、少控制參數的多目標骨干粒子群優化等；
還給出了不同方法在復雜約束優化、區間不確定優化
、異質數據特征選擇、危險環境下機器人全局路徑規
劃、區間收益多項目選址中的具體應用，並給出了詳
細的算法對比結果。書後附有部分多目標粒子群優化
算法源程序。
本書可供高等院校計算機、自動化和人工智能等
專業的教師和研究生閱讀，也可供相關專業的科研人
員參考。

《智能科學技術著作叢書》序
前言
第1章 多目標粒子群優化入門
1.1 多目標優化問題
1.1.1 基本概念
1.1.2 經典多目標求解方法
1 1.3 多目標進化優化方法
1.2 粒子群優化算法
1.2.1 算法的起源及發展
1.2.2 算法的基本原理
1.2.3 算法參數
1.2.4 粒子群拓撲
1.3 多目標粒子群優化算法
1.3.1 外部儲備集
1.3.2 粒子引導者的*新或選擇
1.3.3 粒子群多樣性
1.3.4 其他研究成果
1.4 主要內容及組織
1.5 本章小結
參考文獻
第2章 基於*小角度的粒子引導者選擇策略
2.1 研究動機
2.2 基於*小角度的粒子全局引導者選擇
2.3 基於粒子濃度的個體引導者*新
2.3.1 所提粒子個體引導者*新策略
2.3.2 進一步解釋
2.4 基於*小角度的多目標粒子群優化算法
2.5 在數值函數優化問題中的應用
2.5.1 測試函數及參數設置
2.5.2 性能比較測度
2.5.3 實驗結果及分析
2.6 本章小結
參考文獻
第3章 外部儲備集的兩階段*新策略
3.1 研究動機
3.2 外部儲備集的*新
3.2.1 基本思想
3.2.2 兩階段轉化條件及網格劃分閣值的確定
3.2.3 網格劃分方法
3.2.4 兩階段儲備集*新步驟
3.3 外部儲備集候選點的選取
3.3.1 基本思想
3.3.2 儲備集候選點選取機制
3.3.3 進一步解釋
3.4 基於兩階段儲備集*新的多目標粒子群優化算法
3.5 在數值函數優化問題中的應用
3.5.1 測試函數及參數設置
3.5.2 儲備集*新策略分析
3.5.3 儲備集候選點選取機制分析
3.6 本章小結
參考文獻
第4章 少控制參數的多目標骨干粒子群優化
4.1 研究動機
4.2 傳統骨干粒子群優化算法
4.3 多目標骨干粒子群優化
4.3.1 初始化
4.3.2 粒子個體引導者的*新
4.3.3 粒子全局引導者的選擇
4.3.4 粒子位置的*新
4.3.5 時變變異
4.3.6 外部儲備集的*新
4.3.7 復雜性分析
4.4 在數值函數優化問題中的應用
4.4.1 測試函數
4.4.2 性能測度
4.4.3 比較算法
4.4.4 仿真結果廈其分析
4.5 本章小結
參考文獻
第5章 基於目標分割的多種群協同粒子群進化
5.1 研究動機
5.2 所提多目標粒子群優化算法
5.2.1 面向從種群的改進粒子群優化方法
5.2.2 局部版多目標粒子群優化方法
5.3 在數值函數優化問題中的應用
5.3.1 準備工作
5.3.2 仿真結果及其分析
5.4 關鍵算子分析
5.4.1 局部版多目標粒子群優化方法的作用
5.4.2 類半徑的作用
5.5 本章小結
參考文獻
第6章 用於約束優化的多目標骨干粒子群優化算法
6.1 研究動機
6.2 約束多目標骨干粒子群優化算法
6.2.1 含約束支配關繫
6.2.2 粒子個體引導者的*新
6.2.3 可行和非可行儲備集的*新
6.2.4 粒子全局引導者的選擇
6.2.5 算法步驟
6.3 在數值函數優化問題中的應用
6.3.1 測試函數
6.3.2 實驗框架
6.3.3 比較結果及分析
6.4 本章小結
參考文獻
第7章 基於概率支配的區間多目標粒子群優化算法
7.1 研究動機
7.2 相關工作
7.2.1 基本概念
7.2.2 用於區間多目標優化問題的進化優化
7.3 所提區間多目標粒子群優化算法
7.3.1 Pareto概率支配
7.3.2 外部儲備集的*新
7.3.3 粒子個體引導者的*新
7.3.4 粒子全局引導者的選擇
7.3.5 算法步驟
7.4 在數值函數優化問題中的應用
7.4.1 測試問題
7.4.2 參數設置
7.4.3 算法性能測度
7.4.4 儲備集*新策略的可行性分析
7.4.5 性能比較
7.5 本章小結
參考文獻
第8章 面向異質數據的多目標粒子群特征選擇方法
8.1 研究背景
8.2 相關工作
8.2.1 傳統的特征選擇方法
8.2.2 基於進化優化的特征選擇方法
8.3 問題建模
8.4 所提多目標粒子群特征選擇方法
8.4.1 粒子編碼
8.4.2 儲備集的*新
8.4.3 粒子全局引導者的選擇
8.4.4 粒子擾動
8.4.5 算法步驟
8.5 實例分析
8.5.1 粒子全局引導者選擇方法分析
8.5.2 粒子擾動策略分析
8.5.3 對比實驗及分析
8.6 本章小結
參考文獻
第9章 面向不確定機器人全局路徑規劃的多目標粒子群優化方法
9.1 研究背景
9.2 問題建模
9.2.1 環境建模
9.2.2 路徑性能指標
9.2.3 優化目標
9.3 所提約束多目標粒子群優化方法
9.3.1 粒子編碼
9.3.2 含約束支配關繫
9.3.3 粒子個體引導者的*新
9.3.4 儲備解的*新
9.3.5 粒子全局引導者的選擇
9.3.6 粒子位置的*新
9.3.7 算法步驟
9.4 實例分析
9.4.1 實例1
9.4.2 實例2
9.4.3 實例3
9.5 本章小結
參考文獻
**0章 面向區間收益多項目選址的粒子群優化方法
10.1 研究背景
10.2 問題建模
10.3 模型的**化
10.3.1 P-可信度指標
10.3.2 MLP-2模型的**化
10.4 基於對換變異的粒子群優化求解方法
10.4.1 粒子編碼
10.4.2 粒子解碼
10.4.3 對換變異
10.4.4 算法步驟
10.5 實例分析
10.5.1 問題描述及算法參數設置
10.5.2 **化方法的可行性分析
10.5.3 所提算法的性能分析
10.6 本章小結
參考文獻
附錄 部分多目標粒子群優化算法源程序
附錄A 基本粒子群優化算法源程序
附錄B 第4章多目標骨干粒子群優化算法源程序
附錄C 第9章多目標粒子群機器人路徑規劃方法源程序