梁启超曾言：“今日之中国欲自强，第一策，当以译书为第一事”。在我国与世界接轨的资源共享大环境下，译书的存在是知识的传播、共享与填补学术空白和推动学术发展的重要途径之一。

   《多目标优化问题：概念和自适应参数的数学与工程应用》是引进并翻译德国第三大出版公司，国际著名科技图书出版集团——施普林格出版集团（Springer Group）的图书，著者是尤贝尔迪亚联邦大学（Federal University of Uberlândia）化学工程学院的弗兰·塞尔吉奥·洛巴托（Fran Sérgio Lobato）和机械工程学院的小瓦尔德·斯特芬（Valder Steffen Jr.）。

页面展示—前言

页面展示—目录

页面展示—试读章节

主要内容

   多目标优化问题主要是指在现实世界中涉及两个或两个以上（经常是冲突的）目标的进行优化时而产生的数学问题。用通俗的话来进一步解释，可以表述为：在选择鱼还是熊掌时，做出最优的决策。在实际生活中，多目标优化问题广泛应用于生产管理、经济规划、工程设计、系统控制等领域。

   全书共七章，提出了自适应多目标优化差分进化算法（self-adaptive multi-objective optimization differential evolution algorithm，SA-MODE）,以减少目标函数的评价次数，并在进化过程中动态更新差分进化算法（differential evolution，DE）参数。该策略利用收敛率的概念动态更新种群大小来评估种群的一致性，并将所提出的方法应用于不同复杂程度的数学函数和工程系统设计问题中，本书主要涉及在工字梁、焊接梁、不锈钢的可加工性、水利旋流器性能优化、烷基化过程优化、间歇式搅拌斧式反应器（生化）、催化剂混合、结晶过程、回烘干机、转子动力学设计等工程问题中的应用，可作为信息处理、决策优化、人工智能、自动控制等研究方向的参考用书。

本书主要内容

   在传统的多目标优化算法中，进化算法所需的最关键参数值在进化过程中通常被认为是恒定的。虽然这一简化处理可以取得良好的计算结果，但是仍然存在过早收敛及对参数选择敏感等问题。本书介绍了一种自适应多目标优化差分进化算法，即在进化过程中动态更新差分进化的关键控制参数，可以有效减少目标函数的评价次数，实现多目标优化问题的高效求解；阐述了该方法应用于不同复杂程度的数学函数和工程系统设计问题中的测试案例，以及全面详细的算法对比结果。差分进化算法的关键控制参数有种群规模（population size，NP）、交叉率（crossover rate，CR）、扰动率（perturbation rate，F），以及用于生成解决优化问题的潜在候选对象的策略类型。

通用多目标算法流程图

   中共中央总书记、国家主席、中央军委主席习近平的重要文章《加强基础研究　实现高水平科技自立自强》中指出：“......人类要破解共同发展难题，比以往任何时候都更需要国际合作和开放共享，没有一个国家可以成为独立的创新中心或独享创新成果。我国要坚持以更加开放的思维和举措扩大基础研究等国际交流合作，营造具有全球竞争力的开放创新生态。”当前，新一轮科技革命和产业变革深入发展，学科交叉融合不断推进，科学研究范式发生深刻变革，科学技术和经济社会发展加速渗透融合，基础研究转化周期明显缩短，国际科技竞争向基础前沿前移。应对国际科技竞争、实现高水平科技自立自强，推动构建新发展格局、实现高质量发展，迫切需要我们加强基础研究，从源头和底层解决关键技术问题。可见，在加强国际传播能力建设的背景下，科技译书的出版不仅能够实现中国“制造”“走出去”，还能促进科技知识实现国际化传播与融合的效能。通过阅读和学习本书，也许能够帮助您在鱼和熊掌不可兼得的情景下，做出最优决策。