目录
前言

第1章进化计算基础1
1.1进化算法1
1.1.1遗传算法1
1.1.2演化策略6
1.1.3遗传规划8
1.1.4差分进化算法10
1.1.5分布估计算法13
1.2群智能优化算法15
1.2.1粒子群优化算法15
1.2.2蚁群优化算法18

第2章求解复杂优化问题的进化计算方法23
2.1多目标优化的进化计算方法23
2.1.1问题定义23
2.1.2基于非支配排序的多目标进化算法24
2.1.3基于分解的多目标进化算法28
2.1.4基于指标的多目标进化计算方法30
2.2约束优化的进化计算方法32
2.2.1问题定义32
2.2.2基于惩罚值的约束处理技术33
2.2.3基于可行性支配准则的约束处理技术34
2.2.4基于多目标支配的约束处理技术35
2.2.5其他约束处理技术35
2.3昂贵优化的进化计算方法36
2.3.1问题定义36
2.3.2基于代理辅助的昂贵优化进化计算方法36
2.3.3代理模型选择38
2.3.4代理模型管理43
2.4高维大规模优化的进化计算方法44
2.4.1问题定义44
2.4.2基于整体演化的高维大规模优化的进化计算方法45
2.4.3基于分解的高维大规模优化的协同进化计算方法48
2.5动态优化的进化计算方法52
2.5.1问题定义52
2.5.2变化检测策略55
2.5.3历史档案策略56
2.5.4多样性控制策略57
2.5.5种群管理策略58
2.6多任务优化的进化计算方法59
2.6.1问题定义59
2.6.2多任务优化框架60
2.6.3基于单种群的多任务优化的进化计算方法62
2.6.4基于多种群的多任务优化的进化计算方法64

第3章并行分布式进化计算基础66
3.1并行分布式进化计算的物理计算环境66
3.1.1GPU架构66
3.1.2集群系统67
3.1.3点对点网络68
3.1.4云计算69
3.1.5边缘计算70
3.1.6其他计算环境71
3.2并行分布式进化计算的软件实现环境72
3.2.1并行分布式计算的基本概念72
3.2.2MPI编程模型73
3.2.3OpenMP编程模型75
3.2.4MapReduce编程模型76
3.2.5CUDA编程环境78
3.2.6其他编程模型80
3.3并行分布式进化计算的通信模型80
3.3.1通信的基本定义与类别81
3.3.2主从模型82
3.3.3池模型82
3.3.4岛屿模型83
3.3.5蜂窝模型84
3.3.6多智能体模型85
3.3.7混合模型86
3.4分布式进化计算的描述与评估87
3.4.1分布式系统的描述87
3.4.2分布式算法的评估指标88

第4章以加速为目标的并行分布式进化计算方法93
4.1并行分布式整体演化94
4.1.1适应值评价并行的进化计算94
4.1.2群体演化过程并行的进化计算96
4.2并行分布式协同演化105
4.2.1并行协同演化框架106
4.2.2协同优化策略107

第5章以多智能体协作为目标的分布式进化计算方法115
5.1针对数据分布场景的分布式进化计算116
5.1.1问题的定义与挑战116
5.1.2优化框架117
5.1.3模型管理121
5.2针对维度分布场景的分布式进化计算128
5.2.1问题的定义与挑战128
5.2.2非重叠维度分布式优化128
5.2.3重叠维度分布式优化130
5.3针对目标分布场景的分布式进化算法131
5.3.1问题的定义与挑战131
5.3.2目标协同131
5.3.3目标冲突133
5.3.4目标关联138

第6章数据安全与隐私保护的分布式进化计算方法144
6.1基本思想与描述框架144
6.2进化计算即服务的隐私保护146
6.2.1进化计算即服务场景下的隐私保护问题定义147
6.2.2算法流程148
6.2.3安全计算协议148
6.3多智能体进化计算的隐私保护150
6.3.1多智能体进化计算场景下的隐私保护问题定义150
6.3.2隐私保护的多智能体粒子群优化算法151
6.3.3安全计算协议152

参考文献155