近年來，多目標進化算法(MOEA)的研究進入了快
速發展階段，越來越多的人開始從事MOEA新方法和新
技術的設計與實現，MOEA的應用日益廣泛。
鄭金華、鄒娟著的《多目標進化優化(精)》比較
全面地綜述了MOEA的國際研究現狀和發展趨勢，介紹
了MOEA的基礎知識和基本原理；論述和分析了構造
Pareto最優解集的方法、保持進化群體分布性的方法
和策略，以及MOEA的收斂性；討論了目前國際上最具
代表性的MOEA以及高維MOEA、偏好MOEA和動態MOEA；
探討了MOEA的性能評價方法、MOEA的測試方法，以及
MOEA測試實驗平臺。最後，討論了用多目標進化方法
求解約束優化問題，並分類概述了MOEA的應用及兩個
具體應用實例。
本書可作為計算機、自動控制和其他相關專業高
年級本科生、碩士研究生、博士研究生，以及MOEA愛
好者研究和學習的教材或參考書。

序言
前言
第1章 緒論
1.1 MOEA概述
1.2 MOEA的分類
1.2.1 按不同的進化機制分類
1.2.2 按不同的決策方式分類
1.3 多目標進化優化方法研究
1.4 MOEA理論研究
1.5 MOEA應用研究
1.6 有待進一步研究的課題
第2章 多目標進化優化基礎
2.1 進化算法
2.1.1 遺傳算法的基本流程
2.1.2 編碼
2.1.3 適用度評價
2.1.4 遺傳操作
2.2 多目標優化問題
2.3 多目標進化個體之間關繫
2.4 基於Pareto的多目標*優解集
2.4.1 Pareto*優解
2.4.2 Pareto*優邊界
2.4.3 凸空間和凹空間
2.5 基於Pareto的多目標進化算法的一般框架
第3章 多目標Pareto*優解集構造方法
3.1 構造Pareto*優解的簡單方法
3.1.1 Deb的非支配排序方法
3.1.2 用排除法構造非支配集
3.2 用莊家法則構造Pareto*優解集
3.2.1 用莊家法則構造非支配集的方法
3.2.2 正確性論證
3.2.3 時間復雜度分析
3.2.4 實例分析
3.2.5 實驗結果
3.3 用擂臺賽法則構造Pareto*優解集
3.3.1 用擂臺賽法則構造非支配集的方法
3.3.2 正確性論證及時間復雜度分析
3.3.3 實例分析
3.3.4 實驗結果
3.4 用遞歸方法構造Pareto*優解集
3.5 用快速排序方法構造Pareto*優解集
3.5.1 個體之間的關繫
3.5.2 用快速排序方法構造非支配集
3.6 用改進的快速排序方法構造Pareto*優解集
3.6.1 改進的快速排序算法
3.6.2 實驗結果
第4章 多目標進化群體的分布性
4.1 用小生境技術保持進化群體的分布性
4.2 用信息熵保持進化群體的分布性
4.3 用聚集密度方法保持進化群體的分布性