头脑风暴优化算法理论及应用PDF电子书下载

第1章 绪论 1

1.1 引言 1

1.2 优化问题的基本概念 2

1.2.1 优化问题及其分类 2

1.2.2 优化算法及其分类 3

1.2.3 优化算法的研究与发展 4

1.3 智能优化算法及分类 6

1.3.1 进化类智能优化算法 6

1.3.2 机理类智能优化算法 9

1.3.3 群集类智能优化算法 13

1.4 头脑风暴优化算法的研究现状 16

1.4.1 算法操作方面的改进研究 17

1.4.2 扩展应用方面的研究 19

1.5 算法研究准则 21

1.6 本书主要内容及体系结构 22

1.7 本章小结 23

参考文献 23

第2章 从头脑风暴法到头脑风暴优化算法 33

2.1 头脑风暴法 33

2.1.1 头脑风暴法简介 33

2.1.2 头脑风暴法的基本过程 34

2.1.3 头脑风暴法的要求 35

2.1.4 头脑风暴法的激发机理 36

2.2 头脑风暴优化算法 37

2.2.1 从头脑风暴法到头脑风暴模型 38

2.2.2 头脑风暴法优化算法原理及步骤 41

2.3 头脑风暴法优化算法的仿真分析 45

2.3.1 测试函数 45

2.3.2 参数设定 45

2.3.3 仿真结果 46

2.4 头脑风暴法优化算法的参数分析 47

2.4.1 聚类个数对算法性能的影响 48

2.4.2 斜率k值对算法性能的影响 49

2.4.3 概率参数对算法性能的影响 51

2.4.4 种群大小对算法性能的影响 57

2.5 本章小结 59

参考文献 59

第3章 基于变异操作改进的头脑风暴优化算法 60

3.1 常用的变异方法及分类 60

3.1.1 随机变异 60

3.1.2 位串变异 63

3.2 基于差分变异的头脑风暴优化算法 64

3.2.1 基于差分变异的头脑风暴优化算法原理 64

3.2.2 仿真结果分析 65

3.3 基于云模型的头脑风暴优化算法 68

3.3.1 云模型概述 68

3.3.2 基于云模型的头脑风暴优化算法原理 70

3.3.3 云模型变异产生新个体的步骤 70

3.3.4 基于云模型的头脑风暴优化算法步骤 71

3.3.5 测试函数测试结果及分析 71

3.4 不同变异操作仿真结果对比分析 74

3.5 本章小结 82

参考文献 83

第4章 基于聚类操作改进的头脑风暴优化算法 84

4.1 聚类算法的分类及发展现状 84

4.1.1 传统聚类算法 84

4.1.2 现代聚类算法 88

4.2 头脑风暴优化算法中的聚类方法及其优缺点 90

4.3 基于OPTICS聚类的头脑风暴优化算法 92

4.3.1 OPTICS聚类概述 92

4.3.2 OPTICS聚类的具体步骤 92

4.3.3 仿真结果分析 95

4.4 基于目标空间的差分头脑风暴优化算法 98

4.4.1 基于目标空间的差分头脑风暴优化算法原理 98

4.4.2 仿真结果分析 100

4.5 不同聚类操作的仿真结果对比与分析 104

4.5.1 OPDBSO算法和DBSO-OS算法的寻优性能比较 104

4.5.2 OPDBSO算法和DBSO-OS算法的收敛结果对比分析 106

4.5.3 DBSO算法和CBSO算法的统计性能分析 109

4.6 本章小结 112

参考文献 113

第5章 多模态头脑风暴优化算法 115

5.1 多模态问题的相关知识 115

5.1.1 多模态优化问题的数学描述 115

5.1.2 多模态优化问题的研究现状 116

5.2 自适应参数控制的多模态BSO算法的实现 118

5.2.1 收敛性操作 118

5.2.2 发散性操作 119

5.3 自适应参数控制的多模态BSO算法的性能测试与分析 120

5.3.1 测试函数 120

5.3.2 参数设置 121

5.3.3 仿真结果分析 122

5.4 本章小结 127

参考文献 128

第6章 多约束头脑风暴优化算法 130

6.1 约束优化问题的描述 130

6.1.1 约束优化问题模型 130

6.1.2 约束处理技术 130

6.1.3 约束优化问题的求解 133

6.2 头脑风暴约束优化算法 134

6.2.1 子种群的相关操作 135

6.2.2 选择变异操作 135

6.2.3 保存机制 136

6.2.4 算法的整体步骤 137

6.3 改进的头脑风暴约束优化算法 137

6.3.1 改进的选择变异操作 138

6.3.2 关键因素选取策略 138

6.3.3 改进的选择变异操作步骤 139

6.3.4 改进后的算法的整体步骤 139

6.4 头脑风暴约束优化算法的性能测试与分析 139

6.5 本章小结 149

参考文献 149

第7章 多目标头脑风暴优化算法 151

7.1 多目标问题的基本概念 151

7.1.1 多目标优化问题的数学模型及相关定义 151

7.1.2 多目标优化问题的评价指标 152

7.1.3 求解多目标优化问题的智能优化算法 154

7.2 基于决策空间的多目标头脑风暴优化算法 155

7.2.1 基于决策空间的多目标头脑风暴优化算法操作分析 155

7.2.2 简化多目标头脑风暴优化算法实现步骤 158

7.2.3 多目标头脑风暴优化算法的性能测试与分析 159

7.3 基于目标空间聚类的多目标头脑风暴优化算法 168

7.3.1 基于目标空间聚类的多目标头脑风暴优化算法原理 168

7.3.2 基于目标空间聚类的多目标头脑风暴优化算法操作分析 169

7.3.3 基于目标空间聚类的多目标头脑风暴优化算法实现步骤 170

7.3.4 基于目标空间聚类的多目标头脑风暴优化算法性能测试与分析 171

7.4 本章小结 185

参考文献 185

第8章 多目标头脑风暴优化算法在电力系统环境经济调度问题上的应用 187

8.1 电力系统环境经济调度问题的数学模型 187

8.1.1 电力系统环境经济调度模型的目标函数 187

8.1.2 电力系统环境经济调度模型的约束条件 188

8.2 电力系统环境经济调度问题的研究现状 189

8.3 基于多目标头脑风暴优化算法的环境经济调度问题求解 190

8.3.1 环境经济调度问题与多目标头脑风暴优化算法的映射关系 190

8.3.2 环境经济调度问题的多目标头脑风暴优化算法流程 192

8.4 实例分析及仿真实现 193

8.4.1 6机组环境经济调度问题的仿真实现 193

8.4.2 40机组的仿真实现 196

8.5 本章小结 201

参考文献 201

第9章 头脑风暴优化算法在火电厂供热调度问题上的应用 203

9.1 火电厂供热调度问题的数学模型 203

9.1.1 火电厂供热调度模型的目标函数 203

9.1.2 火电厂供热调度模型的约束条件 204

9.2 火电厂供热调度问题的研究现状 205

9.3 基于头脑风暴优化算法的火电厂供热调度问题求解 206

9.3.1 火电厂供热调度问题与头脑风暴优化算法的映射关系 206

9.3.2 火电厂供热调度问题的头脑风暴优化算法流程 207

9.4 实例分析及仿真实现 208

9.4.1 模拟系统算例的系统参数 208

9.4.2 算法参数设置 209

9.4.3 仿真结果分析 209

9.5 本章小结 211

参考文献 212

第10章 头脑风暴优化算法在热电联供经济调度问题上的应用 214

10.1 热电联供经济调度问题的数学模型 214

10.1.1 热电联供经济调度模型的目标函数 214

10.1.2 热电联供经济调度模型的约束条件 215

10.2 热电联供经济调度问题描述 216

10.3 基于头脑风暴优化算法的热电联供经济调度问题求解 217

10.3.1 热电联供经济问题与头脑风暴优化算法的映射关系 217

10.3.2 热电联供经济调度问题的头脑风暴优化算法流程 219

10.4 案例分析及仿真实现 220

10.4.1 7机组热电联供经济调度问题的仿真实现 220

10.4.2 48机组热电联供经济调度问题的仿真实现 223

10.5 本章小结 229

参考文献 229

第11章 总结与展望 231

附录A 单目标优化基本测试函数集 233

附录B 多模态优化问题基本测试函数集 237

附录C 多目标优化问题基本测试函数集 239