第1章 绪论 1
1.1 智能与智能科学 1
1.2 人工智能 2
1.3 计算智能 3
1.3.1 演化计算 3
1.3.2 模拟退火算法 4
1.3.3 禁忌搜索 5
1.3.4 免疫算法 6
1.4 群智能 6
1.4.1 粒子群优化算法 7
1.4.2 蚁群算法 10
1.4.3 鱼群算法 11
1.4.4 其他群智能算法 11
第2章 粒子群优化算法研究现状 12
2.1 粒子群优化算法思想起源和发展 12
2.1.1 粒子群优化算法的思想起源 12
2.1.2 粒子群优化算法的发展 14
2.2 粒子群优化算法的理论分析 16
2.3 粒子群优化算法的种群结构 18
2.3.1 静态邻域拓扑结构研究 18
2.3.2 动态邻域拓扑结构研究 20
2.4 粒子群优化算法的参数选择及优化 21
2.5 粒子群优化算法与其他思想的融合 23
2.6 粒子群优化算法的应用研究 25
第3章 基于分子运动论的粒子群优化算法 26
3.1 分子运动论的发展过程 26
3.2 改进的粒子群优化算法 27
3.3 实验仿真与结果分析 29
3.4 吸引和排斥阶段的行为分析 34
3.4.1 吸引和排斥的比例变化 34
3.4.2 粒子到群质心距离最大、最小和平均值的变化曲线 36
3.5 MPSO算法的参数选取及优化 36
3.5.1 正交试验设计 36
3.5.2 基于正交试验设计的参数选择和优化 38
第4章 基于伊藤过程的粒子群优化算法 40
4.1 伊藤过程 40
4.2 伊藤算法 41
4.2.1 伊藤过程的抽象 41
4.2.2 伊藤算法的框架及关键算子的设计 42
4.3 基于伊藤过程的三种改进粒子群优化算法 44
4.3.1 具有漂移算子的粒子群优化算法 44
4.3.2 IPSO1算法的初步实验 45
4.3.3 具有漂移和波动算子的粒子群优化算法 47
4.3.4 基于热力学选择机制的漂移粒子群优化算法 48
4.3.5 实验仿真与结果分析 50
第5章 基于扩散机制的双种群粒子群优化算法 55
5.1 扩散现象 55
5.2 扩散定律及扩散系数 56
5.3 融合扩散机制的双种群粒子群优化算法 57
5.3.1 相关工作 57
5.3.2 DPSO算法的思想和流程 58
5.4 实验结果及分析 59
5.5 借鉴不同热运动机制的PSO算法对比分析 62
第6章 基于粒子群优化算法的非线性模型参数估计 64
6.1 参数估计 64
6.2 非线性模型 65
6.2.1 渐近回归模型 65
6.2.2 Logistic模型 66
6.3 非线性模型的参数估计 66
6.3.1 真实数据 67
6.3.2 随机采样数据 72
第7章 基于策略模式的粒子群优化算法平台设计 84
7.1 设计模式 84
7.2 策略模式 85
7.3 算法平台设计与实现 86
7.3.1 算法平台设计 86
7.3.2 算法平台实现 87
7.3.3 算法平台演示 89
参考文献 91