智能粒子群优化计算 控制方法、协同策略及优化应用PDF电子书下载

基础篇 3

第1章 绪论 3

1.1 引言 3

1.2 优化问题及算法 4

1.2.1 最优化问题 4

1.2.2 优化算法 4

1.3 智能计算 6

1.3.1 自然进化计算 6

1.3.2 社会进化计算 8

1.3.3 生物智能计算 12

1.3.4 群集智能计算 14

1.3.5 拟物智能计算 18

1.4 算法研究准则 21

1.5 本书主要内容及体系结构 22

1.6 本章小结 23

参考文献 23

第2章 粒子群优化计算研究基础 28

2.1 引言 28

2.2 粒子群优化计算简介 28

2.2.1 算法起源 28

2.2.2 算法原理及计算模型 30

2.3 粒子群优化计算行为分析 31

2.3.1 社会行为分析 31

2.3.2 收敛行为分析 32

2.4 粒子群优化计算的系统特征 34

2.4.1 自组织性和涌现特性 35

2.4.2 反馈控制机制 36

2.4.3 分布式特点 37

2.5 粒子群优化计算的研究进展 38

2.6 本章小结 41

参考文献 42

控制方法篇 47

第3章 基于预测控制器的粒子群优化模型 47

3.1 引言 47

3.2 标准粒子群优化模型的动态行为分析 48

3.3 基于PD控制器的粒子群优化模型 50

3.3.1 模型结构 50

3.3.2 动态行为分析 51

3.3.3 稳定性分析 53

3.3.4 收敛性分析 54

3.3.5 算法流程 55

3.4 数值仿真实验与分析 56

3.4.1 测试优化函数 56

3.4.2 预测因子选择 56

3.4.3 算法性能分析 58

3.5 动态环境中的算法应用 64

3.6 本章小结 66

参考文献 67

第4章 基于反馈控制器的自组织粒子群优化模型 68

4.1 引言 68

4.2 自组织粒子群优化模型 69

4.2.1 模型结构 69

4.2.2 群体动态测度 71

4.3 多样性控制器的设计 72

4.3.1 多样性参考输入的确定 72

4.3.2 多样性控制策略 73

4.4 仿真实验与结果分析 74

4.4.1 实验参数及优化测试函数 74

4.4.2 实验结果及分析 75

4.5 模型的优化应用 80

4.5.1 约束布局优化问题 80

4.5.2 算法设计 81

4.5.3 仿真结果分析 82

4.6 本章小结 84

参考文献 84

第5章 求解非线性方程组的控制粒子群优化模型 86

5.1 引言 86

5.2 非线性方程组及其等价优化问题描述 87

5.3 控制粒子群优化模型 88

5.3.1 控制粒子群优化模型的原理 88

5.3.2 基于PID的控制策略 90

5.3.3 一致和非一致控制方式 93

5.3.4 优化流程 94

5.4 仿真实验与分析 94

5.4.1 测试问题 94

5.4.2 实验结果与分析 95

5.5 算法的工程应用 99

5.5.1 问题描述及优化模型 99

5.5.2 仿真结果及分析 101

5.6 本章小结 103

参考文献 103

协同模型篇 107

第6章 基于知识的协同粒子群优化模型 107

6.1 引言 107

6.2 协同粒子群优化模型 109

6.2.1 基本概念 109

6.2.2 模型结构 109

6.2.3 知识集 110

6.2.4 行为控制 114

6.2.5 算法流程 116

6.3 收敛性分析 116

6.3.1 随机优化算法全局和局部收敛的判据 116

6.3.2 协同粒子群优化模型的收敛性 117

6.4 仿真实验与分析 122

6.4.1 实验参数及优化测试函数 122

6.4.2 实验结果及分析 123

6.5 本章小结 127

参考文献 128

第7章 基于混合群体的协同粒子群优化模型 129

7.1 引言 129

7.2 基于混合群体的协同粒子群优化机理分析 131

7.2.1 混合生态群体的自然启示 131

7.2.2 混合优化群体结构要素 131

7.3 基于混合生态群体的协同粒子群优化模型设计 133

7.3.1 混合群体初始化 133

7.3.2 开采与探测行为 134

7.3.3 协同搜索和学习 135

7.3.4 逃逸策略 136

7.3.5 优化步骤 136

7.3.6 计算复杂度分析 137

7.4 数值仿真实验与性能分析 138

7.4.1 仿真实验设计与数据 138

7.4.2 实验分析 142

7.5 应用实例 143

7.5.1 线性系统逼近问题 143

7.5.2 优化结果及分析 144

7.6 本章小结 145

参考文献 146

优化应用篇 151

第8章 面向流程工业生产调度的粒子群优化模型 151

8.1 引言 151

8.1.1 流程工业生产调度问题描述 151

8.1.2 流程工业生产调度研究现状 152

8.2 面向化工生产静态调度的混沌变异粒子群模型 153

8.2.1 化工生产静态调度问题描述 153

8.2.2 混沌变异粒子群模型设计 156

8.2.3 算法复杂度分析 159

8.2.4 仿真与性能分析 160

8.3 面向化工生产动态调度的混沌变异粒子群模型 167

8.3.1 不确定性流程工业生产调度分析 168

8.3.2 混沌变异粒子群动态调度模型设计 169

8.3.3 调度实例仿真与分析 172

8.4 本章小结 177

参考文献 177

第9章 面向柔性作业车间调度的粒子群优化模型 180

9.1 引言 180

9.1.1 柔性作业车间调度问题描述 180

9.1.2 柔性作业车间调度优化研究现状 181

9.2 面向柔性作业车间调度的混合离散PSO模型 183

9.2.1 数学模型及描述 183

9.2.2 混合PSO模型设计 184

9.2.3 算法复杂度分析 190

9.2.4 仿真与性能分析 191

9.3 面向多目标柔性作业车间调度的混合离散PSO模型 193

9.3.1 数学模型及问题描述 194

9.3.2 多目标混合PSO模型设计 195

9.3.3 算法复杂度分析 198

9.3.4 仿真与性能分析 198

9.4 本章小结 203

参考文献 204

第10章 面向无线传感器网络路由优化的粒子群模型 207

10.1 引言 207

10.1.1 无线传感器网络简介 207

10.1.2 无线传感器网络路由协议研究现状 207

10.2 面向无线传感器网络分簇优化的离散PSO模型 210

10.2.1 分簇优化问题描述 211

10.2.2 离散粒子群分簇优化设计 211

10.2.3 仿真实验与分析 215

10.3 面向无线传感器网络路由优化的离散PSO模型 216

10.3.1 路由优化问题描述 217

10.3.2 离散粒子群路由优化设计 218

10.3.3 仿真实验与分析 221

10.4 本章小结 225

参考文献 225

结论与展望篇 231

第11章 结论与展望 231

11.1 本书内容总结 231

11.2 研究前沿与展望 233

参考文献 235

附录粒子群优化计算源程序 236