当前位置:首页 > 数理化
离散粒子群优化算法及其应用
离散粒子群优化算法及其应用

离散粒子群优化算法及其应用PDF电子书下载

数理化

  • 电子书积分:11 积分如何计算积分?
  • 作 者:郭文忠编
  • 出 版 社:北京:清华大学出版社
  • 出版年份:2012
  • ISBN:9787302283485
  • 页数:300 页
图书介绍:粒子群优化(particle swarm optimization, PSO)算法是由Eberhart博士和Kennedy博士于1995年提出的一种新型群智能优化算法。PSO算法最初是用于解决连续优化问题,研究也主要集中在连续函数方面,即其速度、加速度等变量都是连续的,它们的运算法则也是连续量的运算。然而许多实际的工程应用问题是离散的,变量是有限的,因而需要将基本PSO算法在二进制空间进行扩展,构造一种离散形式的PSO算法模型。本书是作者对PSO算法,特别是离散PSO算法的理论和应用研究的总结。故应该属于群智能领域,即人工智能领域的一个分支。
《离散粒子群优化算法及其应用》目录

第1章 绪论 1

1.1 引言 1

1.2 基本粒子群优化算法 2

1.2.1 粒子群优化算法的基本原理 2

1.2.2 基本粒子群优化算法模型 3

1.2.3 基本粒子群优化算法流程 4

1.2.4 参数分析与设置 4

1.3 粒子群优化算法的改进综述 5

1.3.1 基于惯性权值的改进 6

1.3.2 基于加速因子的改进 8

1.3.3 基于邻近群拓扑的改进 9

1.3.4 基于种群规模的改进 10

1.3.5 混合粒子群优化算法 11

1.4 粒子群优化算法的机理研究 11

1.5 粒子群优化算法的应用研究 12

1.6 离散粒子群优化算法 13

1.6.1 将速度作为位置变化的概率 13

1.6.2 直接将连续PSO用于离散问题的求解 13

1.6.3 重新定义PSO算法操作算子 14

1.7 DPSO算法应用 15

1.8 DPSO算法研究展望 16

参考文献 17

第2章 在TSP问题中的应用 22

2.1 引言 22

2.2 求解TSP问题的自适应粒子群优化算法 23

2.2.1 离散PSO算法 23

2.2.2 求解TSP问题的PSO算法设计 24

2.2.3 惯性权值在离散PSO算法中的作用 25

2.2.4 实验结果与分析 26

2.3 求解TSP问题的动态领域PSO算法 31

2.3.1 相关概念 31

2.3.2 TSP问题的PSO操作 33

2.3.3 动态领域PSO算法的设计 33

2.3.4 实验结果及分析 34

2.4 求解TSP问题的PSO-ACO算法 35

2.4.1 模拟进化的蚁群算法 35

2.4.2 PSO-ACO算法的设计思想及总体框架 40

2.4.3 实验结果与分析 40

参考文献 41

第3章 在多工作流调度中的应用 43

3.1 引言 43

3.2 问题描述 44

3.2.1 多目标优化问题 44

3.2.2 求解多目标优化问题的基本方法 47

3.3 多目标工作流调度问题 49

3.4 基于表现型共享的多目标粒子群优化算法 50

3.4.1 基于表现型共享的适应度函数 50

3.4.2 算法的基本模型 51

3.4.3 算法步骤 52

3.4.4 算例测试与结果分析 52

3.5 求解多目标工作流调度问题的离散粒子群优化算法 60

3.5.1 算法基本模型 60

3.5.2 算法主要步骤 62

3.5.3 实验结果 62

参考文献 71

第4章 在多目标最小生成树问题中的应用 73

4.1 引言 73

4.2 问题模型 74

4.2.1 MST问题 74

4.2.2 mc-MST问题 74

4.3 改进的计数算法 75

4.4 求解mc-MST问题的NDPSO算法 81

4.4.1 粒子的编码机制 81

4.4.2 粒子的适应度函数 82

4.4.3 粒子的更新公式 83

4.4.4 算法描述 83

4.4.5 收敛性分析 84

4.5 实验结果与分析 86

4.5.1 测试问题 86

4.5.2 结果与分析 87

参考文献 89

第5章 在入侵检测数据特征选择中的应用 90

5.1 引言 90

5.2 特征选择 91

5.3 基于PSO和相关性分析的特征选择算法 92

5.3.1 粒子编码模式 92

5.3.2 适应度函数 92

5.3.3 参数设置 93

5.3.4 算法描述 93

5.3.5 实验结果与分析 94

5.4 基于PSO和邻域约简模型的特征选择算法 96

5.4.1 邻域粗糙集 97

5.4.2 算法的具体设计 98

5.4.3 仿真实验 99

5.5 基于PSO和云模型的特征选择算法 101

5.5.1 云的概念 102

5.5.2 云的对象隶属度计算 103

5.5.3 算法的具体设计 103

5.5.4 实验结果与分析 105

参考文献 108

第6章 在入侵检测系统中的应用 110

6.1 引言 110

6.2 基于连续粒子群分类算法的误用检测 112

6.2.1 目前入侵检测产品存在的缺陷 112

6.2.2 分类算法 112

6.2.3 基于连续粒子群的分类算法 114

6.3 基于否定选择算法的异常检测 121

6.3.1 基于异常的入侵检测系统的缺陷 121

6.3.2 人工免疫与否定选择算法 121

6.3.3 修改的否定选择算法 124

6.4 混合的网络入侵检测引擎 133

6.4.1 引入混合方式的目的 133

6.4.2 混合方式 134

6.4.3 混合的入侵检测引擎的整体结构 135

6.4.4 仿真实验 137

参考文献 138

第7章 在网络安全态势感知中的应用 141

7.1 引言 141

7.2 基于PSO-FNN的安全态势感知要素提取算法 142

7.2.1 相关算法 142

7.2.2 基于PSO-FNN的安全态势要素提取模型 144

7.2.3 基于PSO-FNN的安全态势要素提取方法 144

7.2.4 仿真实验与结果分析 147

7.3 基于PSO-BPNN的安全态势预测算法 151

7.3.1 基于PSO-BPNN的网络安全态势预测模型 151

7.3.2 基于PSO-BPNN网络安全态势预测方法 152

7.3.3 仿真实验 152

7.4 网络安全系统中的组态势感知研究 155

7.4.1 个体态势感知与组态势感知 155

7.4.2 基于PSO的聚类分析实验设计 156

7.4.3 算法流程 157

7.4.4 仿真实验 157

参考文献 159

第8章 在异构集群数据流分配中的应用 162

8.1 引言 162

8.2 数据流分配算法 163

8.3 基于PSO的异构集群数据流自适应分配策略 165

8.3.1 问题建模 165

8.3.2 带动态反馈机制的数据流自适应分配模型 166

8.3.3 改进的粒子群优化算法 167

8.3.4 仿真实验结果与分析 170

8.4 动态联盟思想的引入 173

8.4.1 动态联盟思想 174

8.4.2 问题建模 174

8.4.3 算法描述 176

8.4.4 算法仿真与结果分析 179

参考文献 182

第9章 在WSN拓扑控制中的应用 184

9.1 引言 184

9.2 基于度约束最小生成树的WSN分布式拓扑控制 185

9.2.1 网络模型与问题描述 186

9.2.2 求解dc-MST问题的DPSO 187

9.2.3 分布式拓扑控制方案 189

9.2.4 仿真实验 190

9.3 基于二连通的WSN拓扑控制方案 192

9.3.1 网络模型及问题描述 193

9.3.2 求解WSN二连通拓扑结构的DPSO算法 195

9.3.3 仿真实验 196

9.4 基于k-连通问题的WSN拓扑控制方案 197

9.4.1 相关工作 199

9.4.2 相关定义 200

9.4.3 集中式的KTCPSO算法描述 200

9.4.4 分布式KLPSO算法描述 202

9.4.5 算法的时间复杂度分析 203

9.4.6 仿真实验 203

参考文献 205

第10章 在WSN任务调度中的应用 208

10.1 引言 208

10.2 任务调度相关概念 210

10.3 WSN任务分配动态联盟模型及其算法 211

10.3.1 问题描述 211

10.3.2 任务分配动态联盟模型的构建 212

10.3.3 求解动态联盟模型的PSO算法 213

10.3.4 实验结果与分析 216

10.4 带多Agent的WSN自适应任务调度策略 221

10.4.1 多Agent系统 221

10.4.2 基于多Agent的无线传感器网络体系结构及系统模型 221

10.4.3 基于多Agent的无线传感器网络自适应任务调度策略 225

10.4.4 仿真实验与结果分析 227

10.5 基于串行联盟的动态任务分配算法 228

10.5.1 串行联盟思想的引入 228

10.5.2 基于DPSO的联盟形成算法 230

10.5.3 基于串行联盟的任务分配体系结构 232

10.5.4 仿真实验 233

10.6 基于并行联盟的动态任务分配算法 238

10.6.1 引言 238

10.6.2 并行联盟概述 239

10.6.3 基于并行联盟的任务分配算法 240

10.6.4 基于并行联盟的任务分配体系结构 243

10.6.5 仿真实验 244

参考文献 249

第11章 在VLSI物理设计中的应用 252

11.1 引言 252

11.2 VLSI设计概述 253

11.2.1 VLSI设计流程 253

11.2.2 物理设计过程 254

11.3 单目标电路划分的离散PSO算法 255

11.3.1 相关工作 255

11.3.2 问题模型 255

11.3.3 算法描述 256

11.3.4 实验结果分析 260

11.4 单目标电路划分的混合PSO算法 263

11.4.1 算法的具体设计过程 263

11.4.2 实验结果与分析 266

11.5 多目标电路划分的离散PSO算法 269

11.5.1 相关工作 269

11.5.2 多目标划分问题模型 270

11.5.3 基于DPSO框架下的多目标划分算法 271

11.5.4 实验结果与分析 274

11.6 解决布图规划的DPSO算法 276

11.6.1 VLSI布图模式与相关工作 276

11.6.2 问题描述 277

11.6.3 算法描述 278

11.6.4 实验结果与分析 281

11.7 解决布图规划的多目标PSO算法 282

11.7.1 采用整数序列编码的布图规划算法 282

11.7.2 采用序列对编码的布图规划算法 284

11.8 解决布图规划的协同多目标PSO算法 288

11.8.1 协同多目标算法概述 288

11.8.2 解决布图规划问题的协同多目标PSO算法 291

11.8.3 实验结果分析 293

参考文献 296

相关图书
作者其它书籍
返回顶部