群智能算法及其应用PDF电子书下载

目录 1

前言 1

第1章 绪论 1

1.1 引言 1

1.2 蚁群算法的基本原理 2

1.3 粒子群优化算法基本原理 6

1.4 蚁群算法理论研究现状 10

1.5 蚁群算法应用研究现状 12

1.6 粒子群优化算法研究现状 13

1.7 粒子群算法应用研究现状 15

第2章 求解整数规划的蚁群算法 17

2.1 求解一般非线性整数规划的蚁群算法 17

2.1.1 引言 17

2.1.2 求解非线性整数规划的蚁群算法 17

2.1.3 算例分析 19

2.2 武器—目标分配问题的蚁群算法 21

2.2.1 引言 21

2.2.2 WTA问题 21

2.2.3 武器—目标分配问题的蚁群算法 22

2.2.4 仿真结果 23

2.3.1 引言 24

2.3.2 多处理机调度问题数学模型 24

2.3 多处理机调度问题的蚁群算法 24

2.3.3 解多处理机调度问题模拟退火算法 25

2.3.4 解多处理机调度问题蚁群算法 26

2.3.5 算法比较 26

2.4 可靠性优化的蚁群算法 28

2.4.1 引言 28

2.4.2 最优冗余优化模型及解法 28

2.4.4 可靠性优化的遗传算法 29

2.4.3 可靠性优化的模拟退火算法 29

2.4.5 可靠性优化的蚁群算法 31

2.4.6 算例分析 32

2.5 求解旅行商问题的多样信息素的蚁群算法 34

2.5.1 信息素更新的3个模型 34

2.5.2 多样信息素更新规则 34

2.5.3 算法测试 34

2.6 本章小结 36

3.1 无约束非线性最优化问题 38

3.2 连续优化问题的信息量分布函数方法 38

第3章 连续优化问题的蚁群算法研究 38

3.3 一种简单的连续优化问题的蚁群算法 39

3.4 数值分析 41

3.5 本章小结 42

第4章 聚类问题的蚁群算法 43

4.1 引言 43

4.2 聚类问题的数学模型 43

4.5 基于巡食思想的蚁群聚类算法 44

4.4 解聚类问题的模拟退火算法 44

4.3 K均值算法 44

4.6 解聚类问题的新的蚁群算法及数值分析 46

4.6.1 解聚类问题的蚁群算法 46

4.6.2 数值分析 46

4.7 解聚类问题的与K-均值算法混合的蚁群算法及数值分析 48

4.7.1 解聚类问题的K-均值算法混合的蚁群算法 48

4.7.2 数值分析 48

4.8 本章小结 49

5.2 解圆排列问题的蚁群模拟退火算法 50

5.2.1 圆排列问题及与旅行商问题等价 50

5.1 引言 50

第5章 蚁群算法与模拟退火算法混合 50

5.2.2 解旅行商问题的模拟退火算法 51

5.2.3 几种算法的比较 52

5.2.4 算例分析 53

5.3 解旅行商问题的模拟退火蚁群算法 54

5.3.1 混合的基本思想 54

5.3.2 找邻域解策略 55

5.3.3 模拟退火蚁群算法 55

5.3.4 算法测试 56

5.4 本章小结 57

第6章 蚁群算法与遗传算法混合 58

6.1 引言 58

6.2 基本遗传算法 58

6.3 蚁群算法与遗传算法的混合 59

6.3.1 混合的基本思想 59

6.3.2 变异操作 59

6.3.3 交叉操作 60

6.3.4 遗传蚁群算法 60

6.4 算法测试 61

6.5 本章小结 62

7.3.1 混沌初始化 63

7.3 基本蚁群算法改进 63

第7章 蚁群算法与混沌理论混合 63

7.2 混沌及运动特性 63

7.1 引言 63

7.3.2 选择较优解 65

7.3.3 混沌扰动 65

7.4 混沌蚁群算法 66

7.5 算法测试 66

7.6 本章小结 68

8.2 最短路的蚁群算法收敛性分析 69

8.1 引言 69

第8章 最短路的蚁群算法收敛性分析 69

8.3 仿真算例 71

8.4 本章小结 76

第9章 解连续性优化问题的粒子群优化算法 77

9.1 模拟退火思想的粒子群算法 77

9.1.1 几种模拟退火思想的粒子群算法 77

9.1.2 算法测试 78

9.2 混沌粒子群优化算法研究 79

9.2.1 基本粒子群算法不足 79

9.2.3 算法测试 80

9.2.2 混沌粒子群优化算法 80

9.3 其他改进的粒子群优化算法 82

9.3.1 杂交PSO算法 82

9.3.2 协同PSO算法 83

9.3.3 离散PSO算法 83

9.4 本章小结 84

10.1.1 背包问题数学模型 85

10.1.2 解0-1背包问题的混合粒子群算法 85

10.1 背包问题的混合粒子群优化算法 85

第10章 解组合优化问题的粒子群优化算法 85

10.1.3 数值仿真与分析 87

10.2 指派问题的交叉粒子群优化算法 89

10.2.1 求解指派问题的交叉粒子群优化算法 89

10.2.2 算法测试 90

10.3 武器—目标分配问题的粒子群优化算法 91

10.3.1 解武器—目标分配问题的粒子群优化算法 91

10.3.2 算例分析 92

10.4 流水作业调度问题的粒子群算法 93

10.4.1 流水作业调度问题 93

10.4.2 求解流水作业调度问题混合粒子群算法 93

10.4.3 算法测试 95

10.5 非线性整数规划的粒子群优化算法 96

10.5.1 引言 96

10.5.2 求解非线性整数规划的粒子群优化算法 96

10.5.3 算例分析 97

10.6 本章小结 99

第11章 解聚类问题的粒子群算法 100

11.1 引言 100

11.2 整数规划形式 100

11.3 连续性优化形式 101

11.4 本章小结 103

第12章 蚁群算法与粒子群优化算法的混合 104

12.1 引言 104

12.2 求解旅行商问题的混合粒子群优化算法 104

12.2.1 混合粒子群算法思路 104

12.2.2 变异操作和交叉操作 104

12.2.3 混合粒子群算法步骤 105

12.2.4 算法测试 105

12.3.1 粒子群—蚁群算法思想 108

12.3.2 粒子群—蚁群算法步骤 108

12.3 求解旅行商问题的粒子群—蚁群算法 108

12.3.3 算法测试 109

12.4 本章小结 111

第13章 粒子群优化算法收敛性分析 112

13.1 引言 112

13.2 PSO算法收敛性分析 112

13.3 数值仿真 114

13.4 参数选取 117

13.5 本章小结 117

14.2 鱼群算法基本原理 118

第14章 鱼群算法 118

14.1 引言 118

14.3 人工鱼的行为描述 119

14.4 鱼群算法的应用 122

14.5 本章小结 122

第15章 总结 124

附录A 求解旅行商问题的蚁群基本算法源程序 127

附录B 计算连续性函数的优化的粒子群程序 131

附录C 求解旅行商问题的粒子群—蚁群算法的源程序 134

参考文献 143