人工鱼群算法PDF电子书下载

第1章 绪论 1

1.1 引言 1

1.2 群体智能及算法 2

1.2.1 群体智能的概念 2

1.2.2 群体智能的特点 3

1.2.3 群体智能优化算法统一框架模式 4

1.3 人工鱼群算法 4

1.3.1 人工鱼群算法的生物学基础 4

1.3.2 鱼群算法的基本思想 8

1.4 人工鱼群算法研究进展 9

1.5 本书的组织结构 14

1.6 本章小结 16

参考文献 16

第2章 基本人工鱼群算法的原理 22

2.1 引言 22

2.2 人工鱼模型 22

2.3 行为描述 23

2.3.1 定义 23

2.3.2 行为描述 23

2.3.3 行为选择 25

2.3.4 算法描述 26

2.3.5 算法主要特点 27

2.3.6 算法流程 28

2.4 本章小结 28

第3章 人工鱼群算法的改进 29

3.1 引言 29

3.2 一种改进的人工鱼群算法 29

3.2.1 引言 29

3.2.2 改进策略 29

3.2.3 改进人工鱼群算法流程 31

3.2.4 仿真实验及分析 31

3.3 基于邻域正交交叉算子的人工鱼群算法 35

3.3.1 引言 35

3.3.2 正交试验的原理 35

3.3.3 邻域正交交叉算子 36

3.3.4 基于邻域正交交叉算子的人工鱼群算法流程 37

3.3.5 仿真实验及分析 37

3.4 多人工鱼群协同优化算法 40

3.4.1 引言 40

3.4.2 多人工鱼群协同优化算法基本原理 40

3.4.3 多人工鱼群协同优化算法流程 40

3.4.4 多人工鱼群协同优化算法特点 41

3.4.5 仿真实验及分析 41

3.5 一种多智能体人工鱼群算法 43

3.5.1 引言 43

3.5.2 智能体 43

3.5.3 多智能体人工鱼群算法 44

3.5.4 仿真实验 46

3.6 基于比例选择算子的人工鱼群算法 51

3.6.1 引言 51

3.6.2 比例选择算子 51

3.6.3 种群选择方案 52

3.6.4 人工鱼的行为描述 53

3.6.5 对人工鱼视野和步长的改进 53

3.6.6 基于比例选择算子的人工鱼群算法流程 54

3.6.7 仿真实验及分析 54

3.7 人工鱼群算法的简化模型 58

3.7.1 引言 58

3.7.2 人工鱼群算法分析 58

3.7.3 人工鱼群算法的简化模型 59

3.7.4 仿真实验及分析 60

3.8 本章小结 64

参考文献 64

第4章 人工鱼群算法的种群拓扑结构分析 66

4.1 引言 66

4.2 影响拓扑结构的主要因素 66

4.3 人工鱼群的拓扑结构和邻域结构 66

4.4 几种常见拓扑结构的性能分析 70

4.4.1 固定迭代次数下的收敛精度 70

4.4.2 固定收敛误差精度下的收敛速度 71

4.5 全局版人工鱼群算法 73

4.5.1 基本原理 73

4.5.2 人工鱼的行为描述 73

4.5.3 行为选择 74

4.5.4 公告板 74

4.5.5 全局版人工鱼群算法流程 74

4.5.6 仿真实验及分析 75

4.6 全局版二进制人工鱼群算法 80

4.6.1 全局版二进制算法提出的原理 81

4.6.2 定义 82

4.6.3 模糊函数 82

4.6.4 人工鱼群初始化 83

4.6.5 人工鱼的行为描述 83

4.6.6 全局版二进制人工鱼群算法流程 84

4.6.7 基于0—1背包问题的全局版二进制人工鱼群算法 85

4.7 基于冯·诺依曼邻域结构的人工鱼群算法 87

4.7.1 人工鱼群的冯·诺依曼邻域结构 87

4.7.2 基于冯·诺依曼邻域结构的人工鱼行为描述 88

4.7.3 行为选择 89

4.7.4 公告板 89

4.7.5 动态视野和步长 89

4.7.6 算法流程 90

4.7.7 算法的特点 90

4.7.8 仿真实验 90

4.8 本章小结 96

参考文献 96

第5章 人工鱼群算法收敛性研究及其参数分析 98

5.1 引言 98

5.2 人工鱼群算法收敛性分析 99

5.2.1 基础知识 99

5.2.2 状态空间分析 100

5.2.3 人工鱼群算法的收敛性证明 101

5.3 参数对算法性能的影响 105

5.3.1 视野和步长对算法性能的影响 105

5.3.2 8对算法性能的影响 108

5.3.3 Try _ number对算法性能的影响 110

5.3.4 群体规模对算法性能的影响 111

5.4 参数选择原则 113

5.5 本章小结 114

参考文献 114

第6章 人工鱼群算法的典型应用 116

6.1 引言 116

6.2 人工鱼群算法与水资源工程 116

6.2.1 水位流量关系拟合 116

6.2.2 河流横向扩散系数确定 119

6.2.3 黄河水质综合评价 121

6.2.4 水库优化调度 128

6.2.5 灌区优化配水 128

6.3 人工鱼群算法与组合优化问题 129

6.3.1 旅行商问题 130

6.3.2 生产调度问题 130

6.3.3 产品配置设计问题 130

6.4 人工鱼群算法与参数优化问题 131

6.4.1 参数估计问题 131

6.4.2 鲁棒PID控制器参数整定 131

6.5 人工鱼群算法与电力系统问题 132

6.5.1 电力系统短期负荷预测 132

6.5.2 电力系统无功优化 132

6.5.3 配电网开关优化配置 133

6.6 人工鱼群算法与油田系统问题 134

6.6.1 油田注水系统运行优化 134

6.6.2 石油运输系统多级站点定位 135

6.7 人工鱼群算法与环境工程问题 135

6.7.1 空气质量评价问题 136

6.7.2 湖泊富营养化综合评价 136

6.8 人工鱼群算法在其他方面的应用 136

6.8.1 IIR数字滤波器设计 136

6.8.2 人脸表情识别 137

6.8.3 聚类挖掘问题 137

6.8.4 多项式求解问题 138

6.8.5 计算机网络中路由选择的优化求解 138

6.8.6 单机场地面等待优化 139

6.8.7 机器人加工路径优化 139

6.9 本章小结 139

参考文献 140

第7章 人工鱼群算法同其他仿生优化算法的融合 143

7.1 引言 143

7.2 其他几种仿生算法的基本原理 143

7.2.1 遗传算法 143

7.2.2 蚁群算法 144

7.2.3 粒子群优化算法 145

7.2.4 混合蛙跳算法 146

7.2.5 文化算法 148

7.3 人工鱼群算法与粒子群优化算法的融合 149

7.3.1 PSO和AFSA混合优化算法 149

7.3.2 PSO和改进的AFSA 154

7.4 人工鱼群算法与其他算法的融合 155

7.4.1 人工鱼群算法与遗传算法 155

7.4.2 人工鱼群算法与蚁群算法 156

7.4.3 人工鱼群算法与文化算法 156

7.5 本章小结 157

参考文献 157

第8章 展望 159

8.1 引言 159

8.2 人工鱼群算法的改进 159

8.3 人工鱼群算法的理论分析 160

8.4 人工鱼群算法的应用领域 160

8.5 人工鱼群算法的并行实现及其硬件实现 160

8.6 人工鱼群算法的智能融合 161

8.7 人工鱼群算法的离散模型研究 161

8.8 本章小结 161