绪论 3
第1章 绪论 3
1.1优化方法 3
1.1.1优化的基本概念 3
1.1.2优化问题的分类 4
1.1.3优化算法的复杂度 4
1.2智能优化方法 5
1.2.1智能优化方法的基本概念 5
1.2.2智能优化方法的特点 6
1.2.3智能优化方法的哲学定理 7
1.3粒子群优化算法 9
1.4粒子群优化算法的电磁应用 10
参考文献 11
第一部分 粒子群优化算法 21
第2章 标准粒子群优化算法 21
2.1引言 21
2.2算法概述 22
2.2.1算法原理 22
2.2.2算法数学描述 22
2.2.3算法流程 23
2.2.4算法参数 24
2.3算法模型 25
2.3.1算法模型分析 25
2.3.2算法拓扑结构 27
2.3.3算法邻域结构 27
2.4算法优点和局限性 27
2.4.1算法的优点 27
2.4.2算法的局限性 27
2.5粒子更新方法研究 28
2.6算法应用及展望 34
2.6.1算法的应用 34
2.6.2算法的研究方向 34
参考文献 35
第3章 粒子群优化算法的物理基础 37
3.1引言 37
3.2分子动力学理论 37
3.2.1保守PSO环境 37
3.2.2耗散PSO环境 40
3.3 PSO环境的热动力学分析 42
3.3.1热力学平衡 42
3.3.2能量因素 43
3.3.3动力学特性 44
3.4 PSO算法的扩散模型 44
3.5 PSO算法的马尔可夫模型 46
3.5.1基于概率理论的更新方程 46
3.5.2马尔可夫链模型 47
3.5.3广义PSO算法 48
参考文献 49
第4章 粒子群优化算法的边界条件 50
4.1引言 50
4.2边界条件分类 50
4.3数值仿真实验 54
4.3.1测试函数 54
4.3.2仿真结果及分析 54
参考文献 58
第5章 量子粒子群优化算法 59
5.1引言 59
5.2算法概述 59
5.2.1算法原理 59
5.2.2算法流程和框图 63
5.2.3压缩扩张因子的选取 63
5.3算法优点及局限性 65
5.4基于微分进化算子和混沌序列的量子粒子群优化算法 66
5.4.1微分进化算子 66
5.4.2混沌扰动 67
5.4.3算法流程及框图 68
5.4.4数值仿真实验 68
5.5基于反向学习机制的量子粒子群优化算法 71
5.5.1算法改进思想 71
5.5.2数值仿真实验 72
参考文献 73
第6章 云粒子群优化算法 76
6.1引言 76
6.2云模型概述 76
6.2.1云模型的概念 76
6.2.2云模型的定义 77
6.2.3云模型的数字特征 78
6.2.4云发生器 79
6.2.5正态云的统计分析 81
6.3云自适应粒子群优化算法 81
6.3.1基于云变异的云自适应粒子群算法 81
6.3.2数值仿真实验 83
参考文献 86
第7章 简化粒子群优化算法 88
7.1引言 88
7.2算法概述 88
7.2.1粒子群优化算法中速度的分析 88
7.2.2简化粒子群优化算法的实现 89
7.2.3简化粒子群优化算法的收敛性 90
7.3两种简化粒子群优化算法 90
7.3.1带极值扰动的简化粒子群优化算法 90
7.3.2惯性和经验相互影响的简化粒子群优化算法 91
7.4数值仿真实验 92
7.4.1待测算法 92
7.4.2测试结果及分析 93
参考文献 94
第8章 蛙跳粒子群优化算法 96
8.1引言 96
8.2混合蛙跳算法概述 96
8.2.1混合蛙跳算法基本概念 96
8.2.2混合蛙跳算法数学模型 97
8.2.3混合蛙跳算法基本步骤 98
8.3蛙跳粒子群优化算法 99
8.3.1算法实现 99
8.3.2数值仿真试验 100
参考文献 102
第9章 小波粒子群优化算法 105
9.1引言 105
9.2小波分析概述 105
9.2.1小波分析常用记号 105
9.2.2连续小波变换 106
9.2.3离散小波变换 109
9.2.4多分辨率分析 110
9.2.5小波变换的性质 110
9.3小波粒子群优化算法原理及实现 111
9.3.1算法实现 111
9.3.2数值仿真实验 115
参考文献 119
第10章 二进制粒子群优化算法 120
10.1引言 120
10.2二进制粒子群优化算法概述 120
10.2.1基本二进制粒子群优化算法 120
10.2.2二进制与十进制之间的转换 122
10.2.3数值实验用测试函数 122
10.3基于次优活跃点的二进制粒子群优化算法 123
10.3.1算法描述 123
10.3.2算法流程 123
10.3.3算法参数的均匀设计 124
10.4鲶鱼二进制粒子群优化算法 128
10.4.1鲶鱼效应 128
10.4.2算法描述 128
10.4.3算法流程 129
10.4.4算法参数的确定 129
10.5两种二进制粒子群优化算法的数值仿真试验 136
参考文献 138
第11章 粒子群神经网络 140
11.1引言 140
11.2神经网络概述 140
11.2.1神经网络的概念与分类 140
11.2.2神经网络的基本特征和基本功能 141
11.2.3神经网络的基本性质、优点及其应用 142
11.2.4神经网络的性能指标及研究内容 143
11.2.5 BP神经网络 144
11.3粒子群神经网络原理及实现 145
11.3.1粒子群优化算法与神经网络的融合 145
11.3.2粒子群算法优化神经网络的权值 145
11.3.3粒子群算法优化神经网络的结构 149
11.3.4粒子群算法同时优化神经网络的结构和权值 150
11.4粒子群神经网络应用 151
11.4.1函数优化问题 151
11.4.2分类问题 153
11.4.3 LED问题 154
11.4.4广义异或问题 155
参考文献 156
第12章 粒子群神经网络集成 158
12.1引言 158
12.2神经网络集成概述 158
12.2.1基本概念 158
12.2.2实现方法 159
12.2.3存在问题 160
12.2.4 Iris分类问题试验 161
12.3基于粒子群优化算法的选择性神经网络集成方法 162
12.3.1基于粒子群优化算法的神经网络集成方法 162
12.3.2数值仿真实验 163
参考文献 165
第二部分 粒子群优化算法的电磁应用 169
第13章 超越方程求解 169
13.1引言 169
13.2算法概述 170
13.2.1算法简介 170
13.2.2参数跟踪策略 171
13.2.3跟踪参数添加原则 171
13.2.4算法特点 172
13.3数值仿真实验 172
13.3.1求解复介电常数 172
13.3.2求解表面波特征方程 174
参考文献 177
第14章 滤波器设计 179
14.1引言 179
14.2基于PSO算法和HFSS仿真软件的电磁优化设计方法 179
14.2.1 HFSS软件简介 179
14.2.2 HFSS软件宏命令及VBscript语言 180
14.2.3优化方案介绍 180
14.2.4优化程序具体实现 182
14.3蝶形单元电磁带隙结构滤波器的优化设计 182
14.3.1电磁带隙结构 182
14.3.2蝶形单元电磁带隙结构滤波器 182
14.3.3蝶形单元电磁带隙结构滤波器优化设计 188
14.4双层电磁带隙结构滤波器的优化设计 190
14.4.1双层电磁带隙结构滤波器结构 190
14.4.2双层电磁带隙结构滤波器尺寸的优化设计 191
参考文献 192
第15章 微带天线设计 195
15.1引言 195
15.2微带天线基本知识 195
15.2.1微带天线的工作原理 195
15.2.2微带天线的性能分析 196
15.2.3微带天线的优缺点 198
15.3微带天线设计实例 198
15.3.1基于PSO算法和HFSS软件的电磁优化设计方法的并行实现 198
15.3.2矩形贴片天线设计 202
15.3.3平面倒F天线设计 203
15.3.4 U形寄生元宽带微带天线设计 206
参考文献 207
第16章 谐振频率建模 210
16.1引言 210
16.2基于粒子群神经网络的MSA谐振频率建模 210
16.2.1矩形MSA的谐振频率 210
16.2.2基于粒子群神经网络的矩形MSA谐振频率建模 211
16.3基于粒子群神经网络集成的MSA谐振频率建模 212
16.3.1圆形MSA的谐振频率 212
16.3.2基于粒子群神经网络集成的圆形MSA谐振频率建模 215
16.3.3基于粒子群神经网络集成的矩形MSA谐振频率建模 215
参考文献 216
第17章 吸波材料设计 219
17.1引言 219
17.2电磁吸波材料概述 219
17.2.1电磁吸波材料简介 219
17.2.2电磁吸波材料分层设计数学模型 220
17.3基于粒子群优化算法的电磁吸波材料设计 221
17.3.1多层电磁吸波材料设计 221
17.3.2带有频率选择表面的多层电磁吸波材料设计 223
参考文献 228
第18章 天线阵综合 231
18.1引言 231
18.2天线阵综合基础 232
18.2.1方向图乘积原理 232
18.2.2直线阵综合基础 233
18.2.3平面阵综合基础 234
18.3直线阵综合实例 235
18.3.1连续电流幅度综合 235
18.3.2连续电流相位综合 237
18.3.3量化电流幅度综合 238
18.3.4同时量化电流幅度和相位综合 241
18.4平面阵综合实例 243
18.4.1矩形阵综合 243
18.4.2矩形阵稀疏 244
参考文献 245