第1章 绪论 1
1.1智能优化 1
1.2智能优化算法的基本原理 3
1.2.1遗传算法 3
1.2.2差分进化算法 4
1.2.3粒子群优化算法 4
1.2.4分布估计算法 5
1.2.5禁忌搜索算法 5
1.3研究现状 6
1.3.1智能优化的算法改进研究 6
1.3.2智能优化算法的理论研究 8
1.3.3智能优化算法的应用研究 9
1.4共性核心问题 11
1.4.1探索与开发的权衡 11
1.4.2计算代价与求解质量的权衡 13
1.5本书的主要内容与安排 13
第2章 搜索与优化中的探索-开发权衡问题 15
2.1探索与开发的定义与权衡方式 15
2.2探索-开发权衡的多阶段随机压缩模型 17
2.2.1优化难度刻画与最优压缩定理 17
2.2.2数值分析与比较 27
2.2.3总结与讨论 35
2.3问题优化难度分析 37
2.3.1研究历史与现状 38
2.3.2欺骗性 39
2.3.3多模态性 44
2.3.4多漏斗性 51
2.4小结 54
第3章 黑箱优化中的探索-开发权衡方法 55
3.1基于互补变异算子的适应性差分进化算法 55
3.1.1标准差分进化算法 55
3.1.2互补变异算子的分配策略 56
3.1.3数值分析与比较 57
3.2多样性引导的聚散控制 62
3.2.1集聚性与弥散性 62
3.2.2基于种群分布熵的集聚弥散控制 64
3.2.3基于分布熵的聚散控制算法 67
3.2.4仿真实验 70
3.3智能优化算法的机制协调 71
3.3.1母体算法 72
3.3.2差分进化与粒子群优化的融合算法 73
3.3.3融合策略的分类法 75
3.3.4典型融合策略的实验比较 82
3.4小结 99
第4章 动态武器目标分配的智能优化 101
4.1 DWTA模型 101
4.1.1目标函数 102
4.1.2约束 103
4.1.3优化模型 103
4.1.4 DWTA的测试算例生成 104
4.2 DWTA快速决策的构造性启发式算法 104
4.2.1约束处理方法 105
4.2.2处理流程 105
4.2.3计算复杂性 107
4.3 DWTA的搜索算法一：禁忌搜索 107
4.3.1虚拟排列编码与可行解的生成 107
4.3.2禁忌搜索算法的操作与步骤 109
4.3.3算法参数设置 111
4.3.4 DWTA计算实验 113
4.4 DWTA的搜索算法二：分布估计算法 116
4.4.1二进制编码型EDA 117
4.4.2虚拟排列编码型EDA 121
4.4.3非融合型EDA算法的性能比较 128
4.4.4基于虚拟排列编码和构造性方法的融合型分布估计算法 130
4.5 DWTA算法的综合比较 134
4.5.1基本测试 134
4.5.2算法可扩展性测试 138
4.6小结 142
第5章 移动智能体曲率约束路径规划的智能优化 144
5.1 DTSPN模型 144
5.2区域边界双层次采样的模型变换方法 147
5.3 DTSPN的直接搜索算法一：采用完整编码的遗传算法 149
5.4 DTSPN的直接搜索算法二：采用完整编码的差分进化算法 150
5.5基于终端朝向松弛的部分编码差分进化算法 152
5.6基于终端朝向松弛的融合型差分进化算法 154
5.7不同DTSPN求解算法的实验比较 158
5.7.1计算实验一：典型DTSPN算例 159
5.7.2计算实验二：一般性对比测试 164
5.8小结 168
参考文献 169
附录A平移向量和旋转矩阵的生成方法 182
附录B轮盘赌选择的实现方式 184
附录C Noon-Bean变换的Matlab代码 185
附录D定理5.1、5.2.5.5、5.6的证明 188
附录E不同情形的边缘路径 196