多目标优化问题存在于现实生活中的各个领域，采用差分进化算法求解多目标优化问题成为近年来进化优化界的热点研究方向之一。在传统的多目标优化算法中，进化算法所需的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，但是仍存在过早收敛以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，其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。 本书可作为信息处理、决策优化、人工智能、自动控制等研究方向的本科生、研究生的学习教材，也可作为多目标优化算法爱好者研究的参考用书。

第1章 绪论
参考文献
第2章 多目标优化问题
2.1 介绍
2.2 基本概念和定义
2.3 最优条件
2.4 收敛性和多样性指标
2.5 求解MOOP的两种算法
2.6 总结
参考文献
第3章 多目标优化问题的处理
3.1 经典聚合方法
3.2 确定性和非确定性算法
3.3 约束的处理
3.4 与支配概念相关的启发式算法
3.5 总结
参考文献
第4章 自适应多目标优化的差分进化算法
4.1 差分进化：简要回顾
4.2 差分进化：综述
4.3 自适应参数：动机
4.4 自适应多目标优化微分进化
4.5 SA-MODE：一个测试用例
4.6 总结
参考文献
第5章 SA-MODE在数学函数中的应用
5.1 SCH2函数
5.2 FON函数
5.3 KUR函数
5.4 GTP函数
5.5 ZDT函数
5.6 Min-Ex函数
5.7 BNH函数
5.8 SRN函数
5.9 OSY函数
5.10 总结
参考文献
第6章 SA-MODE在工程问题中的应用
6.1 工字梁
6.2 焊接梁
6.3 不锈钢的可加工性
6.4 水力旋流器性能优化
6.5 烷基化过程优化
6.6 间歇式搅拌斧式反应器（生化）
6.7 催化剂混合
6.8 结晶过程
6.9 回转烘干机
6.10 转子动力学设计
6.11 总结
参考文献
第7章 结论
参考文献