群智能进化算法及其应用PDF电子书下载

查看更多关于的内容

第1章 绪论 1

1.1 群智能进化算法的发展 1

1.1.1 群体启发算法 2

1.1.2 进化启发算法 4

1.1.3 物理启发算法 6

1.2 优化问题概述 8

1.3 静态单目标优化问题 9

1.3.1 静态单目标无约束优化问题标准测试函数及性能评价标准 9

1.3.2 静态单目标约束优化问题标准测试函数及性能评价标准 10

1.4 静态多目标优化问题 11

1.4.1 静态多目标无约束优化问题标准测试函数及性能评价标准 12

1.4.2 静态多目标约束优化问题标准测试函数及性能评价标准 15

1.5 动态优化问题 16

1.5.1 动态单目标优化问题的标准测试函数及性能评价标准 16

1.5.2 动态多目标优化问题的标准测试函数及性能评价标准 18

第2章 人工蜂群算法 20

2.1 人工蜂群算法的生物学背景 20

2.2 人工蜂群算法的基本原理及操作流程 22

2.2.1 人工蜂群算法的基本原理 22

2.2.2 人工蜂群算法的操作流程 24

2.3 人工蜂群算法的特点和收敛性证明 25

2.3.1 人工蜂群算法的特点 25

2.3.2 人工蜂群算法的收敛性证明 27

2.4 基于MATLAB语言的人工蜂群算法实现 29

2.5 面向静态单目标无约束优化的改进人工蜂群算法 34

2.5.1 改进人工蜂群算法的基本原理 34

2.5.2 快速人工蜂群算法的操作流程 38

2.5.3 快速人工蜂群算法的复杂度分析 39

2.5.4 实验仿真与结果分析 39

2.6 面向静态多目标约束优化的改进人工蜂群算法 47

2.6.1 静态约束多目标人工蜂群算法的基本原理 47

2.6.2 静态约束多目标人工蜂群算法的流程与复杂度分析 51

2.6.3 实验仿真与结果分析 52

第3章 群集蜘蛛优化算法 58

3.1 群集蜘蛛优化算法的基本原理及操作流程 59

3.1.1 群集蜘蛛优化算法的基本原理 59

3.1.2 群集蜘蛛优化算法的操作流程 62

3.2 基于MATLAB语言的群集蜘蛛优化算法的实现 63

3.3 面向静态单目标无约束优化问题的改进群集蜘蛛优化算法 72

3.3.1 改进群集蜘蛛优化算法的基本原理 73

3.3.2 基于动态学习策略的群集蜘蛛优化算法的操作流程 76

3.3.3 实验仿真与结果分析 76

3.4 面向静态多目标无约束优化问题的群集蜘蛛优化算法 83

3.4.1 多目标群集蜘蛛优化算法的基本原理 83

3.4.2 实验仿真与结果分析 88

第4章 共生生物搜索算法 93

4.1 共生生物搜索算法的基本原理及操作流程 93

4.1.1 共生生物搜索算法基本原理 93

4.1.2 共生生物搜索算法的操作流程 95

4.2 基于MATLAB语言的共生生物搜索算法的实现 96

4.3 面向静态单目标无约束优化问题的基于子种群拉伸操作的精英共生生物搜索算法 99

4.3.1 基于子种群拉伸操作的精英共生生物搜索算法的基本原理 99

4.3.2 基于子种群拉伸操作的精英共生生物搜索算法的操作流程 104

4.3.3 实验仿真与结果分析 104

4.4 面向静态单目标无约束优化问题的基于混合策略的改进共生生物搜索算法 116

4.4.1 基于混合策略的共生生物搜索算法的基本原理 116

4.4.2 基于混合策略的共生生物搜索算法的操作流程 118

4.4.3 实验仿真与结果分析 119

4.5 面向静态单目标约束优化问题的混合约束共生生物搜索算法 122

4.5.1 约束处理技术 122

4.5.2 混合约束共生生物搜索算法的基本原理 124

4.5.3 混合约束共生生物搜索算法的操作流程 126

4.5.4 实验仿真与结果分析 127

第5章 离子运动算法 133

5.1 离子运动算法的基本原理 133

5.2 基于MATLAB的离子运动算法的实现 136

5.3 面向静态单目标无约束优化问题的改进离子运动算法 140

5.3.1 改进离子运动算法的基本原理 140

5.3.2 改进离子运动算法的操作流程 145

5.3.3 实验仿真与结果分析 145

5.4 面向动态单目标优化的改进离子运动算法 154

5.4.1 基于记忆策略的动态离子运动算法的基本原理 155

5.4.2 DIMO-MS算法的操作流程 161

5.4.3 实验仿真与结果分析 162

第6章 其他新型群智能进化算法 167

6.1 引力搜索算法的基本原理及操作流程 167

6.1.1 引力搜索算法的基本原理 167

6.1.2 引力搜索算法的操作流程 168

6.2 引力搜索算法的特点和性能分析 169

6.2.1 引力搜索算法的特点 169

6.2.2 现有引力搜索算法的性能分析 170

6.3 基于MATLAB语言的引力搜索算法实现 171

6.4 面向静态单目标无约束优化问题的改进引力搜索算法 174

6.4.1 基于权重函数分段的引力搜索算法的基本原理 174

6.4.2 基于权重函数分段的引力搜索算法的操作流程 176

6.4.3 实验仿真与结果分析 176

6.5 海豚群算法的基本原理及操作流程 182

6.5.1 海豚群算法的基本原理 182

6.5.2 海豚群算法的操作流程 186

6.6 基于MATLAB语言的海豚群算法的实现 187

6.7 面向静态单目标无约束优化问题的跳跃海豚群算法 193

6.7.1 改进的海豚群算法的基本原理 193

6.7.2 跳跃海豚群算法的操作流程 197

6.7.3 实验仿真与结果分析 197

第7章 群智能进化算法的典型应用 207

7.1 群智能进化算法的应用 207

7.1.1 群智能进化算法在通信领域的应用 207

7.1.2 群智能进化算法在计算机科学领域的应用 208

7.1.3 群智能进化算法在电子电气工程领域的应用 209

7.1.4 群智能进化算法在机械设计与制造领域的应用 210

7.1.5 群智能进化算法在航空航天领域的应用 211

7.1.6 群智能进化算法在机器人领域的应用 212

7.1.7 群智能进化算法在环境与资源配置领域的应用 213

7.1.8 群智能进化算法在交通运输领域的应用 213

7.1.9 群智能进化算法在工程管理领域的应用 214

7.1.10 群智能进化算法在经济领域的应用 215

7.1.11 群智能进化算法在其他领域的应用 215

7.2 基于人工蜂群算法的无线多媒体传感器网络二维全目标优化方法 216

7.2.1 无线多媒体传感器的三维有向感知模型和全目标覆盖问题 217

7.2.2 基于人工蜂群算法的面向三维有向感知模型的WMSN全目标覆盖方法 219

7.2.3 实验仿真与结果分析 224

7.3 基于万有引力算法的WMSN三维全目标覆盖方法 228

7.3.1 WMSN三维全目标覆盖问题描述 228

7.3.2 基于PGSA算法的WMSN三维全目标覆盖方法 230

7.3.3 实验仿真与结果分析 232

7.4 ε CISOSAMS在异构无线网络接入选择中的应用 234

7.4.1 异构无线网络多属性决策方法 235

7.4.2 基于ε CISOSAMS算法的异构无线网络接入选择算法 237

7.4.3 实验仿真与结果分析 239

主要参考文献 245

附录A 267

附录B 270

附录C 273

附录D 279

附录E 282

查看更多关于的内容