第一部分 基础理论 3
第1章 绪论 3
1.1 起源与动机 3
1.2 烟花算法属于群体智能优化算法研究范畴 4
1.3 烟花算法的组成与研究内容 5
1.4 优点与特色 7
1.5 研究历史与现状 8
1.6 未来发展方向 10
1.7 未来五年内需要研究的25个问题 11
1.8 小结 12
第2章 烟花算法 13
2.1 引言 13
2.2 烟花算法的组成 15
2.3 烟花算法的实现 17
2.4 基本烟花算法特点分析 22
2.5 影响算法性能的因素分析 24
2.6 烟花算法与遗传算法和粒子群优化算法的比较 26
2.7 实验结果及分析 29
2.8 小结 32
第3章 烟花算法的理论分析 33
3.1 随机模型 33
3.2 全局收敛性 34
3.3 时间复杂度的基本理论 36
3.4 时间复杂度分析 40
3.5 小结 43
第4章 随机数对烟花算法性能的影响 44
4.1 引言 44
4.2 随机数产生器 45
4.3 实验设定 47
4.4 实验结果与分析 49
4.5 小结 56
第二部分 改进算法研究 59
第5章 基于适应度函数值估计的烟花算法 59
5.1 进化计算算法加速策略 59
5.2 基于适应度函数值估计的烟花算法 62
5.3 实验 64
5.4 性能分析及讨论 66
5.5 小结 71
第6章 构造型烟花算法 72
6.1 对烟花算法各组成部分的改进 72
6.2 实验 77
6.3 小结 80
第7章 增强烟花算法 81
7.1 对基本烟花算法的分析 81
7.2 增强烟花算法 82
7.3 实验 89
7.4 小结 95
第8章 动态搜索烟花算法 96
8.1 引言 96
8.2 增强烟花算法简介 97
8.3 增强烟花算法最小爆炸半径检查策略 99
8.4 动态搜索烟花算法 100
8.5 实验 106
8.6 小结 110
第9章 自适应烟花算法 112
9.1 引言 112
9.2 对FWA和EFWA中爆炸半径的分析 112
9.3 自适应爆炸半径 113
9.4 自适应烟花算法 120
9.5 实验 121
9.6 讨论 122
9.7 小结 123
第10章 混合算法 124
10.1 引言 124
10.2 带差分变异的烟花算法 124
10.3 差分演化与烟花算法的混合算法 132
10.4 文化烟花算法 133
10.5 基于生物地理学优化的烟花算法 134
10.6 小结 136
第三部分 高级主题 139
第11章 多目标烟花算法 139
11.1 基本概念 139
11.2 施肥问题 140
11.3 多目标烟花算法 142
11.4 实验和讨论 146
11.5 小结 155
第12章 求解TSP的离散烟花算法 156
12.1 旅行商问题 156
12.2 离散烟花算法 158
12.3 实验结果及其分析 171
12.4 与传统算法比较 174
12.5 小结 174
第13章 基于GPU的并行烟花算法 176
13.1 引言 176
13.2 GPU通用计算 177
13.3 基于GPU的烟花算法及实现 194
13.4 GPU-FWA的算法实现 199
13.5.实验分析 201
13.6 小结 205
第四部分 应用 209
第14章 非负矩阵分解 209
14.1 引言 209
14.2 相关工作 210
14.3 低秩估计 211
14.4 基于群体智能算法的非负矩阵计算算法 213
14.5 实验设置 217
14.6 实验结果和讨论 219
14.7 小结 225
第15章 聚类和模式识别应用 226
15.1 烟花算法在文档聚类中的应用 226
15.2 垃圾邮件检测算法参数优化 231
15.3 图像识别 237
15.4 小结 243
第16章 群体机器人多目标搜索问题 244
16.1 引言 244
16.2 多目标搜索问题定义 247
16.3 分组爆炸策略 250
16.4 算法分析 256
16.5 实验结果 257
16.6 小结 260
第17章 地学反演问题 261
17.1 引言 261
17.2 反演问题 261
17.3 实验 265
17.4 小结 267
参考文献 268
附录 282
附录A测试函数集 282
附录B资源 292
附录C术语列表 294
附录D符号列表 296
索引 299