《新兴元启发式优化方法》PDF下载

  • 购买积分:12 如何计算积分?
  • 作  者:赵玉新,(英)杨新社,刘利强著
  • 出 版 社:北京:科学出版社
  • 出版年份:2013
  • ISBN:9787030386144
  • 页数:314 页
图书介绍:本书系统、深入地介绍了仿生智能计算的起源、原理、模型、理论及其应用,力图概括国内外最新研究进展。全书共分为10章,主要包括启发式优化思想起源、发展历程以及原理剖析,蚁群优化算法、粒子群优化算法、萤火虫算法、布谷鸟算法、和声搜索算法、差分进化算法、随机蛙跳算法、细菌觅食算法、蝙蝠算法的算法基础、算法模型、理论分析及算法变种。附录给出了各章算法的源代码程序及相关网站。本书着眼学术前沿与发展,取材新颖,深入浅出,系统性强,力求使读者能够较快掌握和应用启发式优化方法。本书可为控制科学、计算机科学、系统科学、管理科学、人工智能等领域从事优化及智能计算研究的相关人员提供参考,同时也可作为相关专业研究生和高年级本科生教材。

第1章 概述 1

1.1 引言 1

1.2 元启发式算法分类及特点 2

1.3 寻找免费的午餐 7

1.4 元启发式算法的发展方向 8

1.5 本书构思及结构 9

参考文献 9

第2章 蚁群优化算法 12

2.1 算法基础 12

2.1.1 产生与发展 12

2.1.2 生物学原理 13

2.1.3 国内外研究现状 15

2.1.4 发展趋势 17

2.2 算法模型 18

2.2.1 元启发式算法 18

2.2.2 蚁群优化元启发式算法框架 19

2.2.3 经典蚁群算法模型 23

2.3 理论分析 28

2.3.1 收敛性分析 28

2.3.2 状态转移策略分析 35

2.4 改进算法介绍 43

2.4.1 离散域蚁群算法改进 43

2.4.2 连续域蚁群算法改进 50

参考文献 75

第3章 粒子群优化算法 81

3.1 算法基础 81

3.1.1 产生与发展 81

3.1.2 国内外研究现状 83

3.1.3 研究热点 85

3.2 算法模型 86

3.2.1 算法统一框架 86

3.2.2 算法设计步骤 86

3.2.3 算法基本描述与分析 88

3.3 理论分析 91

3.3.1 收敛性分析 91

3.3.2 种群拓扑结构分析 94

3.4 改进算法介绍 104

3.4.1 基于种群多样性的模糊粒子群优化算法 104

3.4.2 双子群离散粒子群优化算法 117

参考文献 142

第4章 萤火虫算法 148

4.1 算法基础 148

4.1.1 产生与发展 148

4.1.2 生物学原理 148

4.1.3 国内外研究现状 149

4.2 算法模型 150

4.2.1 萤火虫算法基本思想 150

4.2.2 萤火虫算法数学描述 150

4.2.3 标准萤火虫算法的基本流程 151

4.3 理论分析 152

4.3.1 萤火虫算法性能和算法参数研究 152

4.3.2 算法测试 153

4.4 改进算法介绍 157

4.4.1 萤火虫算法改进研究动态 157

4.4.2 多目标萤火虫算法研究 158

参考文献 170

第5章 布谷鸟搜索算法 173

5.1 算法基础 173

5.1.1 产生与发展 173

5.1.2 生物学原理 174

5.2 算法模型 175

5.2.1 数学原理 175

5.2.2 基本算法流程 176

5.2.3 算法应用 177

5.3 理论分析 181

5.3.1 随机算法收敛准则 181

5.3.2 布谷鸟搜索算法的Markov模型建立与收敛性分析 182

5.3.3 参数研究 186

5.3.4 算法测试 187

5.4 改进算法介绍 192

5.4.1 算法的改进思路 192

5.4.2 典型改进算法介绍 192

参考文献 199

第6章 和声搜索算法 201

6.1 算法基础 201

6.2 和声搜索算法模型 203

6.2.1 算法流程 203

6.2.2 参数的影响 206

6.2.3 算法改进思路 212

6.3 理论分析 213

6.3.1 马尔可夫链基础知识 213

6.3.2 马尔可夫链的状态分类 215

6.3.3 和声搜索算法收敛性证明 216

参考文献 218

第7章 差分进化算法 220

7.1 算法基础 220

7.1.1 产生与发展 220

7.1.2 差分进化算法(DE)的基本概念及特点 220

7.2 算法模型 222

7.2.1 差分进化算法(DE)的实施流程 222

7.2.2 差分进化算法迭代步骤 225

7.2.3 差分进化算法基本族群 226

7.3 算法改进 227

7.3.1 MNDE的基本原理 228

7.3.2 MNDE中的参数设置 230

7.3.3 MNDE算法性能验证 232

参考文献 238

第8章 随机蛙跳算法 240

8.1 算法基础 240

8.1.1 算法的特点 240

8.1.2 算法研究现状 240

8.2 算法模型 241

8.2.1 生物学原理 241

8.2.2 数学原理 242

8.2.3 算法的实现 242

参考文献 251

第9章 细菌觅食算法 253

9.1 算法介绍 253

9.1.1 产生与发展 253

9.1.2 应用研究 253

9.1.3 算法生物学原理 253

9.2 算法模型 254

9.2.1 算法原理 254

9.2.2 理论分析 256

9.2.3 参数选取 257

9.2.4 算法实现 258

9.2.5 算法的改进思路 262

9.2.6 仿真实验及分析 266

参考文献 270

第10章 蝙蝠算法 271

10.1 算法生物学原理 271

10.1.1 微型蝙蝠的行为 271

10.1.2 回音定位的声学原理 271

10.2 蝙蝠算法 272

10.2.1 虚拟蝙蝠的运动 273

10.2.2 音量和脉冲发生率 274

10.2.3 验证和讨论 275

10.2.4 进一步的研究课题 275

参考文献 276

附录A 蚁群优化算法程序源代码 277

附录B 粒子群优化算法程序源代码 282

附录C 萤火虫算法程序源代码 285

附录D 布谷鸟搜索算法对Ackley函数优化的程序源代码 290

附录E 和声搜索算法程序源代码 294

附录F 差分进化算法程序源代码 297

附录G 随机蛙跳算法程序源代码 305

附录H 细菌觅食算法对Rosenbrock函数优化的程序源代码 309

附录I 蝙蝠算法程序源代码 313