当前位置:首页 > 工业技术
量子行为粒子群优化  原理及其应用
量子行为粒子群优化  原理及其应用

量子行为粒子群优化 原理及其应用PDF电子书下载

工业技术

  • 电子书积分:10 积分如何计算积分?
  • 作 者:孙俊编
  • 出 版 社:北京:清华大学出版社
  • 出版年份:2011
  • ISBN:9787302249351
  • 页数:236 页
图书介绍:量子群优化算法是群体智能优化算法的典型代表之一,已经成为随机优化领域的一个研究热点。本书所述的量子行为粒子群优化算法是在粒子群优化算法思想的启发下,引入了量子模型的概率化粒子群优化算法。
《量子行为粒子群优化 原理及其应用》目录

第1章 绪论 1

1.1 最优化问题与最优化方法 1

1.2 群体智能 3

1.3 群体智能算法 4

1.3.1 蚁群优化算法 4

1.3.2 粒子群优化算法 6

1.3.3 量子行为粒子群优化算法 6

1.4 粒子群优化算法研究概况 7

1.4.1 PSO算法的理论研究 7

1.4.2 PSO算法的改进研究 7

1.4.3 PSO算法的应用研究 8

1.5 量子行为粒子群优化算法研究综述 9

1.5.1 QPSO算法的改进研究 9

1.5.2 QPSO算法的应用研究 10

参考文献 10

第2章 粒子群优化算法 21

2.1 基本PSO算法 21

2.2 基本PSO算法的模型分析 22

2.3 带惯性权重ω的PSO算法 23

2.4 带压缩因子χ的PSO算法 24

2.5 二进制PSO算法 25

2.6 合作PSO算法 26

2.7 全信息PS0算法 28

2.8 理解学习PSO算法 29

参考文献 30

第3章 量子行为粒子群优化算法 31

3.1 量子力学背景 31

3.2 量子行为粒子群优化算法的基本模型 32

3.2.1 思想来源 32

3.2.2 粒子群势阱模型的建立 33

3.2.3 粒子的基本进化方程 36

3.2.4 δ势阱模型与其他模型的比较 36

3.3 量子行为粒子群优化算法 37

3.3.1 粒子的进化方程 37

3.3.2 两种搜索迭代策略 39

3.3.3 算法的流程 41

3.3.4 粒子收敛的基本条件 42

3.3.5 粒子收敛条件的仿真测试 44

3.4 量子行为粒子群优化算法的学习模式 48

3.4.1 PSO算法的学习模式 48

3.4.2 QPSO算法的学习模式 48

3.4.3 粒子的等待效应 49

3.4.4 PSO算法和QPSO算法的比较 50

参考文献 51

第4章 QPSO算法的收敛性与收敛率分析 52

4.1 QPSO算法全局收敛性的概率分析 52

4.1.1 全局收敛性准则 52

4.1.2 局部收敛性准则 54

4.1.3 QPSO算法的全局收敛性 55

4.2 QPSO算法的马氏过程分析 57

4.2.1 离散马氏过程 57

4.2.2 随机算法的理论框架 58

4.2.3 随机算法的收敛性定理 59

4.2.4 QPSO算法的收敛性 60

4.3 收敛率的度量 62

4.3.1 收敛率的定义 62

4.3.2 三种收敛性 64

4.4 QPSO算法的收敛率测试 64

参考文献 68

第5章 QPSO算法在函数优化中的应用 69

5.1 整数规划问题 69

5.1.1 问题描述 69

5.1.2 仿真算例 69

5.2 非线性约束优化问题 72

5.2.1 问题描述 72

5.2.2 仿真算例 74

5.3 静态环境多峰函数的多值优化 76

5.3.1 静态环境中的多峰寻优 77

5.3.2 基于物种形成策略的QPSO算法 78

5.3.3 仿真实验 82

5.4 动态环境多峰函数的多值优化 91

5.4.1 动态环境中的多峰寻优 91

5.4.2 动态环境下的SQPSO算法 92

5.4.3 动态环境的创建方法 93

5.4.4 仿真实验 94

5.5 非线性方程组求解 103

5.5.1 非线性方程组的适应值函数 103

5.5.2 仿真实验 104

参考文献 106

第6章 QPSO算法在系统辨识中的应用 109

6.1 二维IIR数字滤波器优化设计 109

6.1.1 引言 109

6.1.2 二维IIR系统的数学描述 110

6.1.3 二维IIR数字滤波器的优化设计 111

6.1.4 基于QPSO算法的二维IIR数字滤波器的优化设计 112

6.1.5 仿真实验与结果分析 113

6.2 线性系统在线辨识 117

6.2.1 线性系统辨识的问题描述 117

6.2.2 单神经元结构 118

6.2.3 基于QPSO算法的在线线性系统辨识 118

6.2.4 仿真实验及结果 120

6.3 混沌系统参数辨识 122

6.3.1 引言 122

6.3.2 基于QPSO算法的混沌系统参数辨识 123

6.3.3 Lorenz混沌系统参数辨识的仿真实验 123

6.3.4 Chen混沌系统的数学描述 126

6.3.5 Chen混沌系统参数辨识的仿真实验 127

6.4 非线性系统辨识 128

6.4.1 非线性系统的数学描述 128

6.4.2 仿真实验及结果 130

参考文献 133

第7章 QPSO算法在生物信息中的应用 135

7.1 生物多序列比对 135

7.1.1 引言 135

7.1.2 剖面HMM的拓扑结构 135

7.1.3 基于剖面HMM和QPSO算法的多序列比对 136

7.1.4 模型训练的几个相关问题 138

7.1.5 仿真实验及结果 140

7.2 基因表达数据的聚类 147

7.2.1 引言 147

7.2.2 基因表达数据聚类问题概述 148

7.2.3 基于QPSO算法的基因表达数据聚类算法 152

7.2.4 仿真实验及结果 153

7.3 生化代谢途径的参数辨识 160

7.3.1 问题描述 160

7.3.2 仿真算例 160

7.4 生化过程代谢通量分析 166

7.4.1 引言 166

7.4.2 基于13C标记平衡的MFA 166

7.4.3 基于QPSO算法和罚函数的代谢通量分析 171

7.4.4 仿真实例 172

参考文献 177

第8章 QPSO算法在图像处理中的应用 182

8.1 QPSO算法在图像分割中的应用 182

8.1.1 引言 182

8.1.2 QPSO聚类算法 182

8.1.3 基于QPSO聚类算法的图像分割 185

8.1.4 算例及分析 186

8.2 多聚焦图像融合 189

8.2.1 引言 189

8.2.2 低频子带的融合准则 189

8.2.3 高频子带的融合准则 190

8.2.4 实验结果及评价 192

8.3 图像纹理合成 194

8.3.1 引言 194

8.3.2 基于块拼贴的纹理合成算法 195

8.3.3 基于QPSO的纹理合成算法 196

8.3.4 实验结果及分析 197

参考文献 199

第9章 QPSO算法的工程应用 201

9.1 电力系统经济调度 201

9.1.1 引言 201

9.1.2 ED问题的数学描述 201

9.1.3 约束的处理 203

9.1.4 仿真算例 203

9.2 移动机器人轨迹跟踪控制 207

9.2.1 引言 207

9.2.2 轮式移动机器人的非完整性 207

9.2.3 轮式移动机器人运动学模型 209

9.2.4 轮式移动机器人轨迹跟踪问题描述 210

9.2.5 基于QPSO算法的反演跟踪控制器设计和仿真 210

9.2.6 基于QPSO算法的滑模轨迹跟踪控制器设计和仿真 217

9.3 QPSO算法的FPGA实现与测试 223

9.3.1 引言 223

9.3.2 系统结构设计 223

9.3.3 系统原理与数据通路 224

9.3.4 仿真结果 226

参考文献 228

附录 230

附录A QPSO算法的C++代码 230

附录B QPSO算法的Matlab代码 234

相关图书
作者其它书籍
返回顶部