前言 1
第一章 智能优化算法 4
1.1 人工神经网络 4
1.2 模拟退火算法 5
1.3 遗传算法 6
1.4 蚁群优化算法 7
1.5 微粒群优化算法 8
第二章 引力搜索算法概述 10
2.1 基本引力搜索算法 10
2.1.1 算法的基本思想 10
2.1.2 算法的模型 11
2.1.3 算法的流程 13
2.2 引力搜索算法的系统学特征 15
2.2.1 系统性 15
2.2.2 分布式 16
2.2.3 自组织性和涌现性 16
2.2.4 反馈机制 17
2.3 引力搜索算法的研究进展 17
2.3.1 引力搜索算法的提出和改进 17
2.3.2 引力搜索算法的应用 19
2.3.3 引力搜索算法的研究展望 21
第三章 单目标连续优化的引力搜索算法 24
3.1 收敛性分析 24
3.2 改进的引力搜索算法 27
3.3 数值实验 29
3.3.1 测试函数 29
3.3.2 新系数的设置 31
3.3.3 比较实验 37
第四章 多目标连续优化的引力搜索算法 52
4.1 算法设计 52
4.1.1 基本概念 52
4.1.2 非支配排序方法 53
4.1.3 拥挤距离计算 54
4.1.4 精英保留策略 55
4.1.5 质量函数 56
4.1.6 算法流程 57
4.2 收敛性证明 57
4.3 数值实验 59
第五章 引力搜索算法的若干应用 71
5.1 投资者偏好条件下概率准则投资组合问题 71
5.1.1 数学模型 71
5.1.2 求解方法 73
5.1.3 仿真实验 75
5.2 非线性极大极小问题 77
5.2.1 数学模型 78
5.2.2 计算方法 78
5.2.3 数值实验 79
5.3 复杂系统可靠性优化问题 81
5.3.1 数学模型 81
5.3.2 求解方法 82
5.3.3 实例计算 83
5.4 多目标排水控制问题 86
5.4.1 问题描述 86
5.4.2 计算方法 87
5.4.3 数值实验 87
第六章 离散优化的元胞引力搜索算法 90
6.1 元胞自动机在智能优化算法中的应用举例 90
6.1.1 元胞自动机原理 90
6.1.2 元胞蚁群算法 92
6.1.3 元胞微粒群算法 97
6.2 元胞引力搜索算法 107
6.2.1 算法设计 107
6.2.2 实例计算 109
第七章 结论与展望 113
7.1 结论 113
7.2 展望 114