第1章 绪论 1
1.1优化问题 1
1.1.1优化的概念与数学模型 1
1.1.2优化问题与方法的分类 3
1.1.3优化问题的复杂性 3
1.2优化算法发展状况 5
1.3群智能优化算法概况 7
1.4几种群智能优化算法简介 10
1.4.1标准遗传算法 10
1.4.2粒子群算法 13
1.4.3蚁群算法 17
1.5人工鱼群算法研究与应用概述 20
1.5.1鱼群算法的提出与改进 20
1.5.2鱼群算法与其他算法的融合 22
1.5.3人工鱼群算法在多领域中的应用 24
1.5.4人工鱼群算法总结 30
1.6群智能优化算法的发展展望 31
1.7本章小结 33
参考文献 33
第2章 基本人工鱼群算法 42
2.1引言 42
2.2鱼群模式概论 42
2.2.1鱼群模式的提出 42
2.2.2人工鱼的结构模型 43
2.3人工鱼的四种基本行为算法描述 45
2.4人工鱼群算法的寻优原理 48
2.5仿真实验及参数设置性能 50
2.5.1仿真实验 50
2.5.2人工鱼群算法的收敛基础 53
2.5.3各种参数对收敛性能的影响分析 53
2.6拥挤度因子对优化的影响 54
2.6.1拥挤度因子的定义 55
2.6.2拥挤度因子的作用机理 55
2.6.3仿真实验 57
2.6.4分析和结论 59
2.7距离对人工鱼群算法收敛性能的影响 59
2.7.1人工鱼移动策略的改进 59
2.7.2常用距离介绍 60
2.7.3仿真实验 63
2.7.4分析和结论 66
2.8 Matlab程序设计 67
2.8.1第2.5节实例程序设计 68
2.8.2第2.7节实例程序设计 76
2.9本章小结 84
参考文献 85
第3章 人工鱼群算法的分析与改进 86
3.1人工鱼群算法全局收敛的基础 86
3.2人工鱼群算法收敛性分析 87
3.2.1简单随机搜索 87
3.2.2全局收敛性 87
3.3鱼群算法参数对优化结果的影响分析 88
3.4需要改进鱼群算法的原因 91
3.4.1自适应步长 92
3.4.2公告牌的引入 92
3.4.3生存竞争机制的提出 93
3.4.4其他一些改进思路 94
3.5自适应视野和步长的人工鱼群算法 97
3.5.1人工鱼群算法的改进 97
3.5.2自适应视野和步长的实现 101
3.5.3改进后人工鱼群算法的特点 104
3.5.4参数对优化的影响 105
3.6仿真实验 107
3.7全局人工鱼群算法 110
3.7.1全局鱼群算法人工鱼的行为描述 110
3.7.2全局人工鱼群算法流程 112
3.7.3全局人工鱼群算法性能的验证 114
3.8并行人工鱼群算法 118
3.8.1鱼群算法并行化的目的 118
3.8.2并行鱼群算法的并行性分析 118
3.8.3并行鱼群算法实现方法的分类 119
3.8.4并行鱼群算法的实现方法 119
3.9 Matlab程序设计 122
3.10本章小结 131
参考文献 131
第4章 混合鱼群算法 133
4.1基于量子理论的人工鱼群算法 133
4.1.1量子计算 133
4.1.2量子人工鱼群算法 134
4.1.3仿真实验及其结果讨论 136
4.2基于量子理论的小生境人工鱼群算法 139
4.2.1小生境技术和控制竞争选择策略 140
4.2.2小生境量子人工鱼群算法 141
4.2.3实验结果 142
4.2.4分析和结论 144
4.3模拟退火——鱼群混合优化算法 144
4.3.1模拟退火算法 145
4.3.2全局鱼群算法和模拟退火算法的混合算法 147
4.4混沌人工鱼群算法 149
4.4.1混沌搜索 149
4.4.2反馈策略 150
4.4.3基于混沌搜索和反馈策略的改进人工鱼群算法 151
4.4.4分析和结论 154
4.5本章小结 154
参考文献 155
第5章 人工鱼群算法在函数优化中的应用 157
5.1无约束优化测试函数 157
5.2有约束优化测试函数 158
5.3多目标优化测试函数 160
5.3.1多目标优化问题 160
5.3.2多目标优化问题的求解方法 161
5.3.3多目标优化评价指标 163
5.3.4基于人工鱼群算法的多目标优化 165
5.4基于非劣排序和最大最小策略解决多目标优化问题 172
5.4.1多目标优化方法 173
5.4.2仿真分析和结论 175
5.5整数优化测试函数 177
5.6动态优化测试函数 178
5.6.1动态优化问题中鱼群算法的搜索策略二 178
5.6.2鱼群算法的动态响应策略 179
5.6.3动态优化的性能评价与分析 180
5.7 Matlab程序设计 180
5.8本章小结 193
参考文献 193
第6章 人工鱼群算法应用 195
6.1组合优化问题求解 195
6.1.1组合优化问题 195
6.1.2鱼群算法的TSP求解 197
6.2神经网络优化 203
6.2.1前向神经网络模型 204
6.2.2鱼群算法结构及相关定义 205
6.2.3前向神经网络的训练过程 207
6.2.4实验结果 207
6.3数字滤波器的优化设计 208
6.3.1数字滤波器 208
6.3.2鱼群算法设计滤波器 209
6.3.3分析和结论 211
6.4信号处理 211
6.4.1小波阈值去噪 211
6.4.2鱼群算法优化 213
6.5波达方向估计 214
6.5.1波达方向估计问题 214
6.5.2鱼群算法的波达方向估计 215
6.5.3分析和结论 217
6.6波束成型技术 217
6.6.1问题的提出 217
6.6.2方法和步骤 218
6.6.3分析和结论 222
6.7车间作业调度 223
6.7.1车间作业调度问题 223
6.7.2加入禁忌策略的人工鱼群算法 224
6.7.3带禁忌策略的鱼群算法解决车间作业调度问题 225
6.7.4实验结果及分析 227
6.8数据模糊聚类 228
6.8.1聚类 228
6.8.2聚类方法分类 230
6.8.3几种聚类算法 231
6.8.4基于全局人工鱼群算法的聚类算法 233
6.8.5基于鱼群算法的模糊聚类分析 235
6.9数据挖掘 236
6.9.1预处理 236
6.9.2人工鱼群算法对文档矩阵进行聚类 238
6.9.3结果评价与总结 239
6.10多阈值图像分割 241
6.10.1人工鱼群算法中改进的自适应步长 241
6.10.2基于改进人工鱼群算法的图像分割 242
6.11 Matlab程序设计 244
6.12本章小结 253
参考文献 254
第7章 人工鱼群算法在通信领域中的应用 256
7.1路由选择与优化 256
7.1.1路由优化的数学模型 256
7.1.2实验仿真结果及分析 259
7.2无线传感器网络覆盖优化 261
7.2.1无线传感器网络 261
7.2.2无线传感器网络覆盖问题 262
7.2.3基于人工鱼群算法的无线传感器网络覆盖优化 265
7.3多用户OFDM系统资源分配 270
7.3.1 OFDM技术 270
7.3.2自适应资源分配的概念 270
7.3.3多用户OFDM系统资源自适应分配算法 273
7.4扩频码估计 279
7.4.1扩频技术 279
7.4.2人工鱼群算法中的跳跃行为 280
7.4.3使用鱼群算法估计扩频序列 281
7.4.4仿真结果与讨论 282
7.5多用户检测 284
7.5.1多用户检测问题 284
7.5.2多用户检测的实现 284
7.5.3使用鱼群算法的多用户检测 287
7.5.4分析和结论 289
7.6认知无线电频谱分配 290
7.6.1认知无线电技术 290
7.6.2认知无线电中的频谱分配问题 292
7.6.3基于人工鱼群算法的认知无线电频谱分配 294
7.7其他应用举例 298
7.7.1最佳路由选择问题 298
7.7.2链路容量与流量分配问题 299
7.8本章小结 300
参考文献 300
附录 303
附录A常用术语英汉对照表 303
附录B测试函数集 304