物联网蓬勃发展催生出的分布式优化问题已成为并行分布式进化计算方法研究中的一大研究方向，本书将给出该类分布式优化问题的系统定义，包括维度分布式、数据分布式和目标分布式的分布式优化问题，并介绍在这三类优化问题中现有的有关分布式进化计算方法的研究。本书共6章，内容包括：进化计算的基础算法、求解复杂优化问题的进化计算方法，并行分布式进化计算的物理计算环境、实现环境、通信模型、描述与评估方法，以及高维大规模优化、多智能体协作、数据安全与隐私保护的分布式进化计算方法。

陈伟能
华南理工大学计算机科学与工程学院教授、博士生导师、副院长。主要研究方向是群体智能、进化学习、智能优化及其应用。已发表IEEE Trans.长文100余篇。牵头主持国家科技创新2030——“新一代人工智能”重大项目、国家自然科学基金企业创新联合基金重点支持项目、国家重点研发计划国际合作交流项目、国家自然科学基金-英国皇家学会牛顿基金项目等，任大数据与计算智能粤港联合创新平台负责人。2016年获国家优秀青年科学基金资助，2015年获广东省杰出青年科学基金资助，2018年获霍英东青年教师奖。现任IEEE广州分会副主席，IEEE SMC广州分支主席，中国计算机学会协同计算专业委员会常务委员、人工智能与模式识别专业委员会委员，国际期刊IEEE Transactions on Evolutionary Computation、IEEE Transactions on Neural Networks and Learning Systems及Complex & Intelligent Systems副编辑。

魏凤凤
华南理工大学计算机科学与工程学院助理教授、硕士生导师。主要研究方向是群体智能、分布式进化计算、数据驱动进化计算及其应用。已在国际期刊和国际会议上发表论文30余篇，其中IEEE Trans.长文15篇。主持国家自然科学基金青年科学基金项目、中国博士后科学基金面上项目、广东省自然科学基金面上项目等。获广东省人工智能产业协会科学技术奖自然科学奖一等奖、第四届国际分布式人工智能会议最佳论文奖。现任中国计算机学会协同计算专业委员会委员。

目录<br />前言<br /><br />第1章进化计算基础1<br />1.1进化算法1<br />1.1.1遗传算法1<br />1.1.2演化策略6<br />1.1.3遗传规划8<br />1.1.4差分进化算法10<br />1.1.5分布估计算法13<br />1.2群智能优化算法15<br />1.2.1粒子群优化算法15<br />1.2.2蚁群优化算法18<br /><br />第2章求解复杂优化问题的进化计算方法23<br />2.1多目标优化的进化计算方法23<br />2.1.1问题定义23<br />2.1.2基于非支配排序的多目标进化算法24<br />2.1.3基于分解的多目标进化算法28<br />2.1.4基于指标的多目标进化计算方法30<br />2.2约束优化的进化计算方法32<br />2.2.1问题定义32<br />2.2.2基于惩罚值的约束处理技术33<br />2.2.3基于可行性支配准则的约束处理技术34<br />2.2.4基于多目标支配的约束处理技术35<br />2.2.5其他约束处理技术35<br />2.3昂贵优化的进化计算方法36<br />2.3.1问题定义36<br />2.3.2基于代理辅助的昂贵优化进化计算方法36<br />2.3.3代理模型选择38<br />2.3.4代理模型管理43<br />2.4高维大规模优化的进化计算方法44<br />2.4.1问题定义44<br />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<br />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<br />2.5动态优化的进化计算方法52<br />2.5.1问题定义52<br />2.5.2变化检测策略55<br />2.5.3历史档案策略56<br />2.5.4多样性控制策略57<br />2.5.5种群管理策略58<br />2.6多任务优化的进化计算方法59<br />2.6.1问题定义59<br />2.6.2多任务优化框架60<br />2.6.3基于单种群的多任务优化的进化计算方法62<br />2.6.4基于多种群的多任务优化的进化计算方法64<br /><br />第3章并行分布式进化计算基础66<br />3.1并行分布式进化计算的物理计算环境66<br />3.1.1GPU架构66<br />3.1.2集群系统67<br />3.1.3点对点网络68<br />3.1.4云计算69<br />3.1.5边缘计算70<br />3.1.6其他计算环境71<br />3.2并行分布式进化计算的软件实现环境72<br />3.2.1并行分布式计算的基本概念72<br />3.2.2MPI编程模型73<br />3.2.3OpenMP编程模型75<br />3.2.4MapReduce编程模型76<br />3.2.5CUDA编程环境78<br />3.2.6其他编程模型80<br />3.3并行分布式进化计算的通信模型80<br />3.3.1通信的基本定义与类别81<br />3.3.2主从模型82<br />3.3.3池模型82<br />3.3.4岛屿模型83<br />3.3.5蜂窝模型84<br />3.3.6多智能体模型85<br />3.3.7混合模型86<br />3.4分布式进化计算的描述与评估87<br />3.4.1分布式系统的描述87<br />3.4.2分布式算法的评估指标88<br /><br />第4章以加速为目标的并行分布式进化计算方法93<br />4.1并行分布式整体演化94<br />4.1.1适应值评价并行的进化计算94<br />4.1.2群体演化过程并行的进化计算96<br />4.2并行分布式协同演化105<br />4.2.1并行协同演化框架106<br />4.2.2协同优化策略107<br /><br />第5章以多智能体协作为目标的分布式进化计算方法115<br />5.1针对数据分布场景的分布式进化计算116<br />5.1.1问题的定义与挑战116<br />5.1.2优化框架117<br />5.1.3模型管理121<br />5.2针对维度分布场景的分布式进化计算128<br />5.2.1问题的定义与挑战128<br />5.2.2非重叠维度分布式优化128<br />5.2.3重叠维度分布式优化130<br />5.3针对目标分布场景的分布式进化算法131<br />5.3.1问题的定义与挑战131<br />5.3.2目标协同131<br />5.3.3目标冲突133<br />5.3.4目标关联138<br /><br />第6章数据安全与隐私保护的分布式进化计算方法144<br />6.1基本思想与描述框架144<br />6.2进化计算即服务的隐私保护146<br />6.2.1进化计算即服务场景下的隐私保护问题定义147<br />6.2.2算法流程148<br />6.2.3安全计算协议148<br />6.3多智能体进化计算的隐私保护150<br />6.3.1多智能体进化计算场景下的隐私保护问题定义150<br />6.3.2隐私保护的多智能体粒子群优化算法151<br />6.3.3安全计算协议152<br /><br />参考文献155