1 绪论 1
1.1 相关背景 1
1.2 生物启发式计算 3
1.2.1 遗传算法 3
1.2.2 神经计算 4
1.2.3 模糊系统 5
1.2.4 其他生物启发式计算方法 6
1.3 群体智能 8
1.3.1 群体智能简介 8
1.3.2 群体智能的基本特性 10
1.4 群体智能算法及其研究现状 13
1.4.1 蚂蚁算法 13
1.4.2 粒子群优化算法 17
1.4.3 群体智能算法应用研究现状 18
1.5 展望 20
参考文献 21
2 粒子群算法 25
2.1 引言 25
2.2 粒子群算法概述 25
2.2.1 粒子群算法的起源 25
2.2.2 原始粒子群算法 27
2.2.3 标准粒子群算法 28
2.3 标准测试函数 29
2.4 粒子群算法的实现 31
参考文献 33
3 粒子群算法参数分析 34
3.1 引言 34
3.2 惯性权重分析 34
3.2.1 线性惯性权重策略 35
3.2.2 非线性惯性权重策略 36
3.2.3 其他策略 59
3.3 学习因子分析 61
3.4 其他参数分析 64
参考文献 68
4 改进粒子群算法 70
4.1 粒子群算法改进研究综述 70
4.1.1 参数改进 70
4.1.2 拓扑结构的改进 71
4.1.3 混合策略 72
4.1.4 基于生物行为的改进 73
4.2 基于差分进化的一种新型混合粒子群算法 74
4.2.1 差分进化算法 76
4.2.2 基于差分进化的混合粒子群算法 76
4.2.3 试验设置与测试函数 80
4.2.4 试验结果 81
4.3 基于模拟退火思想的粒子群算法 85
4.3.1 概述 85
4.3.2 模拟退火算法 85
4.3.3 基于模拟退化思想的粒子群混合算法 87
4.3.4 实验设置与测试函数 89
4.3.5 实验结果 90
4.4 基于细菌趋化的改进粒子群算法 95
4.4.1 PSOBC算法 96
4.4.2 PSOBC算法实现步骤 98
4.4.3 实验与结果分析 99
参考文献 102
5 粒子群算法的应用 108
5.1 基于粒子群算法的神经网络训练 108
5.1.1 问题背景 108
5.1.2 基于PSO的BP网络训练过程 109
5.1.3 实例研究 111
5.2 基于粒子群算法的PID参数整定 117
5.2.1 基于PSO的PID参数自整定方法 118
5.2.2 算法流程 120
5.2.3 算法实例 120
5.3 基于多群体协同粒子群算法的物流配送中心选址 123
5.3.1 引言 123
5.3.2 物流配送中心选址的数学模型 124
5.3.3 多群体协同粒子群算法 126
5.3.4 基于多群体协同粒子群算法的物流配送中心选址 128
5.4 基于多群体协同粒子群算法的模糊系统设计 134
5.4.1 基于MCPSO的模糊系统设计 134
5.4.2 T-S模糊模型 135
5.4.3 基于MCPSO的T-S模糊系统优化设计 136
5.4.4 实例研究 138
5.5 基于多群体协同粒子群算法的RFID读写器网络规划 145
5.5.1 引言 145
5.5.2 RFID读写器网络规划建模 145
5.5.3 基于MCPSO算法的RFID读写器网络规划 146
5.5.4 仿真实验 148
参考文献 151