第1章 蚁群算法 1
1.1 基本蚁群算法 1
1.1.1 蚁群算法的原理 1
1.1.2 蚁群算法的数学模型 2
1.1.3 蚁群算法的特点 4
1.2 基于信息熵的改进蚁群算法 4
1.2.1 基本蚁群算法的优点及不足 4
1.2.2 各种改进ACO 4
1.2.3 改进ACO可行性分析 5
1.2.4 熵及其性质 5
1.2.5 改进蚁群算法 12
1.2.6 改进蚁群算法与遗传算法的性能比较 13
1.3 改进蚁群算法在房地产投资组合优化中的应用 17
1.3.1 房地产开发项目投资组合均值-信息熵模型 17
1.3.2 改进蚁群算法的应用 20
1.4 小结 22
主要参考文献 22
第2章 粒子群算法 24
2.1 基本粒子群算法 24
2.1.1 粒子群算法的原理 24
2.1.2 粒子群算法的产生和发展 25
2.1.3 粒子群算法的步骤 25
2.1.4 粒子群算法的应用领域 26
2.1.5 粒子群算法的特点 26
2.2 改进粒子群算法 26
2.2.1 改进粒子群算法的可行性分析 26
2.2.2 改进PSO算法与其他算法的性能比较 27
2.3 改进粒子群算法在结构可靠度分析中的应用 28
2.3.1 基于改进PSO算法的结构可靠性指标的求解 28
2.3.2 基于改进ACO和PSO的点支式玻璃幕墙抗风可靠度分析 30
2.4 小结 60
主要参考文献 60
第3章 人工鱼群算法 62
3.1 基本人工鱼群算法 62
3.1.1 人工鱼群算法的原理 62
3.1.2 人工鱼群算法的特点 64
3.1.3 人工鱼群算法研究现状及应用 64
3.2 改进人工鱼群算法 65
3.2.1 改进人工鱼群算法的基本思路 65
3.2.2 改进人工鱼群算法的寻优步骤 67
3.3 改进人工鱼群算法与基本人工鱼群算法的性能比较 67
3.3.1 两种算法的测试函数介绍 67
3.3.2 算法参数的设置 68
3.3.3 改进的人工鱼群算法与基本人工鱼群算法的性能比较分析 68
3.4 改进人工鱼群算法在桁架结构优化中的应用 72
3.4.1 改进人工鱼群算法在桁架结构连续变量优化中的应用 72
3.4.2 改进人工鱼群算法在桁架结构离散变量优化中的应用 83
3.5 小结 93
主要参考文献 94
第4章 人工蜂群算法 96
4.1 基本人工蜂群算法 96
4.1.1 人工蜂群算法的原理 96
4.1.2 人工蜂群算法的数学模型 97
4.1.3 人工蜂群算法特点 99
4.1.4 人工蜂群算法研究现状 100
4.2 人工蜂群算法的改进 101
4.2.1 基于小区间搜索的改进人工蜂群算法 101
4.2.2 基于信息熵的改进人工蜂群算法 104
4.2.3 算法性能分析 106
4.3 基于改进人工蜂群算法的桁架优化 108
4.3.1 基于可靠性的桁架结构离散变量结构优化设计模型 108
4.3.2 桁架优化的流程 109
4.3.3 算例 109
4.4 小结 112
主要参考文献 113
第5章 蛙跳算法 115
5.1 基本蛙跳算法 115
5.1.1 蛙跳算法的原理 115
5.1.2 蛙跳算法的数学模型 116
5.1.3 蛙跳算法的研究现状 119
5.1.4 蛙跳算法的特点 120
5.2 改进蛙跳算法 120
5.2.1 改进的可行性分析 121
5.2.2 具体改进步骤 121
5.2.3 算法性能分析 122
5.3 改进蛙跳算法在结构可靠指标计算中的应用 131
5.4 小结 134
主要参考文献 134
第6章 猴群算法 136
6.1 基本猴群算法 136
6.1.1 猴群算法的原理 136
6.1.2 猴群算法的数学模型 137
6.2 改进猴群算法 139
6.2.1 猴群算法的优缺点 139
6.2.2 学者的改进 139
6.2.3 基于自适应系数的改进猴群算法 140
6.3 改进猴群算法在传感器优化布置及在结构可靠性分析中的应用 142
6.3.1 改进猴群算法在传感器优化布置中的应用 142
6.3.2 改进猴群算法在结构可靠性分析中的应用 147
6.4 小结 151
主要参考文献 151
第7章 萤火虫算法 153
7.1 基本萤火虫算法 153
7.1.1 萤火虫算法的原理 153
7.1.2 萤火虫算法的特点 156
7.1.3 萤火虫算法的国内外研究现状 156
7.2 改进的萤火虫算法 157
7.3 算法性能分析 158
7.4 改进的萤火虫算法在桁架结构优化中的应用 159
7.4.1 桁架结构形状优化设计数学模型 159
7.4.2 改进萤火虫算法在结构优化中的应用 161
7.5 小结 165
主要参考文献 165