高级交互式遗传算法理论与应用PDF|Epub|txt|kindle电子书版本网盘下载

高级交互式遗传算法理论与应用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 交互式遗传算法入门1

1.1 进化优化算法1

1.2 遗传算法2

1.2.1 遗传算法的起源与发展3

1.2.2 遗传算法的工作原理4

1.2.3 遗传算法的研究现状4

1.3 交互式遗传算法7

1.3.1 交互式遗传算法的起源、发展、原理7

1.3.2 交互式遗传算法的研究现状9

1.3.3 交互式遗传算法存在的不足13

1.4 本章小结14

参考文献14

第2章 进化个体区间适应值交互式遗传算法19

2.1 算法的提出19

2.2 区间数基础知识20

2.3 进化个体区间适应值21

2.4 进化个体区间占优22

2.5 算法步骤24

2.6 在服装进化设计系统中的应用25

2.6.1 服装设计问题25

2.6.2 参数设置26

2.6.3 结果与说明27

2.7 本章小结29

参考文献29

第3章 进化个体模糊适应值交互式遗传算法31

3.1 算法的提出31

3.2 模糊数32

3.3 进化个体模糊适应值交互式遗传算法33

3.3.1 进化个体模糊适应值33

3.3.2 进化个体优劣比较34

3.4 算法步骤38

3.5 在服装进化设计系统中的应用38

3.5.1 参数设置38

3.5.2 交互界面39

3.5.3 结果与分析40

3.6 本章小结41

参考文献41

第4章 进化个体模糊随机适应值交互式遗传算法43

4.1 算法的提出43

4.2 模糊随机不确定性的数学描述44

4.3 基于模糊熵的随机不确定性参数的确定方法45

4.3.1 模糊度和模糊熵45

4.3.2 用户认知确定度46

4.4 个体优劣比较策略48

4.4.1 模糊适应值转化为区间数49

4.4.2 随机变量转化为区间数50

4.4.3 个体优劣比较50

4.5 在服装进化设计系统中的应用52

4.5.1 参数设置52

4.5.2 交互界面52

4.5.3 结果与分析54

4.6 本章小结57

参考文献58

第5章 交互式遗传算法的自适应分区多代理模型59

5.1 算法的提出59

5.2 代理模型及其学习方法61

5.2.1 多项式函数61

5.2.2 RBF神经网络62

5.3 训练数据与测试数据的获取63

5.4 搜索空间的自适应分区64

5.4.1 进化初期搜索空间的分割64

5.4.2 搜索空间的自适应分割65

5.5 代理模型的应用67

5.6 算法步骤67

5.7 在服装进化设计系统中的应用69

5.7.1 参数设置69

5.7.2 交互界面69

5.7.3 结果与分析70

5.8 本章小结73

参考文献73

第6章 基于神经网络代理模型的区间适应值交互式遗传算法75

6.1 算法的提出75

6.2 进化个体区间适应值神经网络代理模型76

6.2.1 训练数据的获取76

6.2.2 代理模型的选择77

6.2.3 基于代理模型的进化个体适应值估计79

6.2.4 代理模型的更新80

6.3 算法步骤80

6.4 性能分析82

6.5 在服装进化设计系统中的应用83

6.5.1 参数设置83

6.5.2 交互界面83

6.5.3 结果与分析85

6.6 本章小结87

参考文献88

第7章 基于支持向量机代理模型的模糊适应值交互式遗传算法89

7.1 算法的提出89

7.2 支持向量机的基本知识92

7.2.1 最优分类面92

7.2.2 支持向量分类机94

7.2.3 支持向量回归机95

7.3 基于SVC和SVR的代理模型96

7.3.1 训练和测试数据的获取96

7.3.2 基于训练数据的SVC和SVR数学模型98

7.3.3 代理模型的应用100

7.3.4 代理模型的更新101

7.4 算法步骤101

7.5 性能分析103

7.6 在服装进化设计系统中的应用103

7.6.1 参数设置103

7.6.2 交互界面104

7.6.3 结果与分析106

7.7 本章小结108

参考文献108

第8章 基于支持向量机代理模型的模糊随机适应值交互式遗传算法110

8.1 算法的提出110

8.2 有向模糊图的基本知识111

8.3 基于有向模糊图的进化个体适应值精确化112

8.3.1 进化种群有向模糊图的建立113

8.3.2 个体精确适应值的获取114

8.4 基于支持向量机的代理模型115

8.4.1 基于模糊熵的训练数据获取116

8.4.2 支持向量机代理模型117

8.4.3 代理模型的应用117

8.4.4 代理模型的更新118

8.5 性能分析119

8.6 在服装进化设计系统中的应用120

8.6.1 参数设置120

8.6.2 交互界面120

8.6.3 结果与分析121

8.7 本章小结125

参考文献126

第9章 融合半监督学习认知模型的大种群规模交互式遗传算法127

9.1 算法的提出127

9.2 半监督学习算法概述129

9.3 基于改进半监督算法的大种群规模交互式遗传算法131

9.3.1 训练数据的获取132

9.3.2 基于改进半监督学习的代理模型构造133

9.3.3 代理模型的应用和更新135

9.3.4 算法步骤136

9.4 理论分析137

9.5 在太阳眼镜镜片设计中的应用139

9.5.1 太阳眼镜镜片设计问题139

9.5.2 参数设置142

9.5.3 实验结果与分析143

9.6 本章小结145

参考文献146

第10章 基于半监督学习的变种群规模区间适应值交互式遗传算法148

10.1 算法的提出148

10.2 基于动态聚类策略和协同半监督学习的区间适应值代理模型构建149

10.2.1 基于相似度阈值的进化种群聚类149

10.2.2 基于协同训练半监督学习的区间适应值代理模型构建151

10.2.3 相似度阈值的确定方法152

10.3 种群规模动态确定策略153

10.3.1 进化进程的分割153

10.3.2 种群规模的变化154

10.4 性能分析155

10.5 算法实现157

10.6 在服装进化设计系统中的应用157

10.6.1 实验设置157

10.6.2 参数设置158

10.6.3 实验结果与分析158

10.7 本章小结167

参考文献168

第11章 加权半监督学习变种群规模区间适应值交互式遗传算法169

11.1 算法的提出169

11.2 算法框架170

11.3 基于加权协同半监督算法的区间适应值代理模型构建172

11.3.1 进化个体区间适应值的评价可信度172

11.3.2 基于评价可信度的加权协同半监督学习算法173

11.4 代理模型的应用和更新175

11.4.1 代理模型和用户的融合评价176

11.4.2 代理模型的更新177

11.5 实例验证178

11.5.1 数值函数实验178

11.5.2 在服装进化设计系统中的应用189

11.6 本章小结195

参考文献195