第1章 绪论 1
1.1引言 1
1.2优化问题 3
1.2.1局部优化方法 4
1.2.2全局优化的特点与困难 4
1.3群智能算法 7
1.3.1粒子群算法 11
1.3.2蚁群算法 16
1.3.3人工鱼群算法 19
1.3.4布谷鸟搜索算法 21
1.3.5萤火虫算法 22
参考文献 24
第2章 自适应粒子群优化算法模型 34
2.1基本粒子群优化算法 34
2.1.1粒子群优化原理 35
2.1.2粒子群优化流程 36
2.1.3粒子群局部模型与全局模型 37
2.2粒子群优化算法分析 38
2.2.1粒子群优化模型分析 38
2.2.2粒子群的惯性权重分析 43
2.2.3粒子群优化算法行为分析 44
2.3自适应粒子群优化模型 45
2.3.1粒子群的早熟收敛 45
2.3.2粒子群的多样性量度 46
2.3.3自适应优化策略 49
2.3.4自适应粒子群优化 53
参考文献 54
第3章 随机自适应粒子群优化算法 57
3.1背包问题 57
3.2搜索空间及其转换 61
3.2.1等值变换与异值变换 61
3.2.2变换序列 61
3.3随机自适应粒子群优化算法模型 63
3.3.1随机惯性权重 63
3.3.2早熟收敛及其处理 64
3.3.3 RIW-APSO算法构造 65
3.3.4实验结果及其分析 66
3.4其他背包问题求解 73
参考文献 81
第4章 自适应启发式粒子群优化算法 83
4.1旅行商问题 83
4.2自适应启发式搜索 87
4.2.1启发式搜索策略 87
4.2.2 2-opt算法 88
4.3自适应启发式粒子群优化算法模型 90
4.3.1交换子和交换序列 90
4.3.2粒子速度和位置 91
4.3.3 AHPSO算法构造 92
4.3.4实验结果及其分析 92
参考文献 94
第5章 自适应广义粒子群优化算法 96
5.1广义粒子群优化思想 96
5.2下料问题 98
5.2.1下料问题数学模型 99
5.2.2下料问题解编码方案 101
5.2.3下料模式 102
5.3自适应广义粒子群优化算法模型 104
5.3.1模拟退火算法 105
5.3.2修补算法 107
5.3.3 AGPSO算法实现 110
5.3.4启发式改进策略 111
5.4实验结果及其分析 112
5.4.1单规格一维下料问题 113
5.4.2多规格一维下料问题 118
参考文献 123
第6章 自适应耗散粒子群优化算法 126
6.1耗散结构 126
6.2耗散粒子群优化 129
6.3自适应耗散粒子群优化算法模型 132
6.3.1种群聚集度 132
6.3.2自适应变异 133
6.3.3算法构造 136
6.3.4实验结果及其分析 137
参考文献 142
第7章 自适应动态粒子群优化算法 143
7.1热力学系统与熵增原理 143
7.1.1热力学系统及其平衡态 143
7.1.2熵和熵增原理 144
7.1.3自由能极小化原理 145
7.2自适应动态粒子群优化算法模型 146
7.2.1粒子动态选择策略 146
7.2.2自适应搜索策略 150
7.2.3 ADPSO算法构造 153
7.2.4实验结果及其分析 154
参考文献 159
附录A 按Pisinger算法构造的KP1算例 161
附录B 按Pisinger算法构造的KP2算例 166
附录C 按Pisinger算法构造的KP3算例 171
附录D KP4算例 176