群智能優化算法
樊新海 等
- 出版商: 電子工業
- 出版日期: 2026-01-01
- 售價: $768
- 語言: 簡體中文
- 頁數: 424
- ISBN: 7121509954
- ISBN-13: 9787121509957
-
相關分類:
Machine Learning
下單後立即進貨 (約4週~6週)
相關主題
商品描述
群智能優化算法作為一種新興的智能優化技術和諸多交叉學科研究領域的前沿，受到了越來越多研究者的關註。這些算法受自然界生物進化過程和生物群體行為規律的啟發，吸收和融合了運籌學、生物學、物理學、計算數學、計算機科學、人工智能和控制論等學科思想和方法，在沒有集中控制且不提供全局信息的條件下，為求解傳統優化方法難以解決的非線性、不可微、不確定、多目標、分布式復雜優化問題提供了新思路和新手段，在諸多學科領域得到了成功應用。 本書選取了具有代表性的遺傳算法、差分進化算法、人工免疫算法、粒子群優化算法、蟻群優化算法、人工蜂群算法、細菌覓食優化算法、人工魚群算法、混合蛙跳算法、螢火蟲算法、布谷鳥搜索算法、狼群算法、禿鷹搜索優化算法、蝠鱝覓食優化算法、野狗優化算法和沙丘貓群優化算法16種群智能優化算法，重點講述了這些算法的基本原理、運算流程、主要參數和應用實例，特別是對每個應用實例都給出了詳細的MATLAB實現參考程序。 本書可作為高校本科生、研究生相關課程的教材或參考書，也可供相關工程技術人員自學參考。
目錄大綱
目 錄
第1章 緒論 1
1.1 最優化問題概述 2
1.1.1 單變量最優化問題 2
1.1.2 多變量最優化問題 4
1.1.3 復雜問題的最優化問題 6
1.2 群智能優化算法概述 8
1.2.1 群智能優化算法的基本思想 8
1.2.2 群智能優化算法的主要分類 9
1.2.3 群智能優化算法的優勢及特點 10
1.3 群智能優化算法的仿生計算機制 11
1.3.1 算法初始化 12
1.3.2 個體位置更新 13
1.3.3 競爭選擇機制 15
1.4 學習建議 16
思考題 17
第2章 遺傳算法 18
2.1 遺傳算法的原理及特點 18
2.1.1 遺傳算法的生物學基礎 18
2.1.2 遺傳算法的基本原理 19
2.1.3 遺傳算法的特點分析 25
2.2 標準遺傳算法及其改進方向 26
2.2.1 標準遺傳算法 26
2.2.2 標準遺傳算法的改進方向 27
2.3 遺傳算法的運算流程 27
2.4 遺傳算法的主要參數 29
2.5 遺傳算法的應用實例 29
思考題 47
第3章 差分進化算法 48
3.1 差分進化算法的原理及特點 48
3.1.1 差分進化算法的基本原理 48
3.1.2 差分進化算法的特點分析 49
3.2 差分進化算法的不同形式 50
3.2.1 差分進化算法的基本形式 50
3.2.2 差分進化算法的其他形式 53
3.2.3 差分進化算法的改進 54
3.3 差分進化算法的運算流程 55
3.4 差分進化算法的主要參數 56
3.5 差分進化算法的應用實例 57
思考題 71
第4章 人工免疫算法 72
4.1 生物免疫系統和人工免疫系統 73
4.1.1 生物免疫系統 73
4.1.2 人工免疫系統 75
4.2 人工免疫算法的原理及特點 76
4.2.1 人工免疫算法的基本原理 76
4.2.2 人工免疫算法的特點分析 79
4.3 人工免疫算法的運算流程 80
4.4 人工免疫算法的主要參數 81
4.5 人工免疫算法的應用實例 82
思考題 97
第5章 粒子群優化算法 98
5.1 粒子群優化算法的原理及特點 99
5.1.1 粒子群優化算法的基本原理 99
5.1.2 粒子群優化算法的特點分析 99
5.2 粒子群優化算法的常見形式 100
5.2.1 基本粒子群優化算法 100
5.2.2 標準粒子群優化算法 101
5.2.3 離散粒子群優化算法 103
5.3 粒子群優化算法的運算流程 104
5.4 粒子群優化算法的主要參數 105
5.5 粒子群優化算法的應用實例 106
思考題 123
第6章 蟻群優化算法 124
6.1 蟻群優化算法的原理及特點 124
6.1.1 螞蟻覓食過程 124
6.1.2 人工螞蟻的特性 125
6.1.3 人工蟻群的特性 126
6.1.4 蟻群優化算法的特點分析 127
6.2 蟻群優化算法的常見形式 127
6.2.1 基本蟻群優化算法 127
6.2.2 精英螞蟻系統算法 129
6.2.3 最大最小螞蟻算法 129
6.2.4 基於排序的蟻群系統算法 130
6.2.5 自適應蟻群優化算法 130
6.3 蟻群優化算法的運算流程 131
6.4 蟻群優化算法的主要參數 132
6.5 蟻群優化算法的應用實例 133
思考題 151
第7章 人工蜂群算法 152
7.1 人工蜂群算法的原理及特點 152
7.1.1 蜂群采蜜過程 152
7.1.2 人工蜂群算法的基本原理 154
7.1.3 人工蜂群算法的特點分析 155
7.2 人工蜂群算法的運算流程 156
7.3 人工蜂群算法的主要參數 158
7.4 人工蜂群算法的應用實例 159
思考題 173
第8章 細菌覓食優化算法 174
8.1 細菌覓食優化算法的原理及特點 174
8.1.1 細菌覓食行為 174
8.1.2 細菌覓食優化算法的基本原理 176
8.1.3 細菌覓食優化算法的特點分析 179
8.2 細菌覓食優化算法的運算流程 180
8.3 細菌覓食優化算法的主要參數 182
8.4 細菌覓食優化算法的應用實例 184
思考題 199
第9章 人工魚群算法 200
9.1 人工魚群算法的原理及特點 200
9.1.1 人工魚群算法的基本原理 200
9.1.2 人工魚群算法的特點分析 202
9.2 人工魚群算法的運算流程 203
9.3 人工魚群算法的主要參數 205
9.4 人工魚群算法的應用實例 206
思考題 226
第10章 混合蛙跳算法 227
10.1 混合蛙跳算法的原理及特點 227
10.1.1 混合蛙跳算法的基本原理 227
10.1.2 混合蛙跳算法的特點分析 229
10.2 混合蛙跳算法的運算流程 229
10.3 混合蛙跳算法的主要參數 231
10.4 混合蛙跳算法的應用實例 232
思考題 248
第11章 螢火蟲算法 249
11.1 螢火蟲算法的原理及特點 249
11.1.1 螢火蟲算法的理想原則 249
11.1.2 螢火蟲算法的基本原理 250
11.1.3 螢火蟲算法的特點分析 252
11.2 螢火蟲算法的運算流程 253
11.3 螢火蟲算法的主要參數 254
11.4 螢火蟲算法的應用實例 255
思考題 269
第12章 布谷鳥搜索算法 270
12.1 布谷鳥搜索算法的原理及特點 270
12.1.1 借巢產卵的繁殖行為 270
12.1.2 Lévy飛行 271
12.1.3 布谷鳥搜索算法的基本原理 273
12.1.4 布谷鳥搜索算法的特點分析 274
12.2 布谷鳥搜索算法的運算流程 275
12.3 布谷鳥搜索算法的主要參數 276
12.4 布谷鳥搜索算法的改進方向 277
12.5 布谷鳥搜索算法的應用實例 279
思考題 293
第13章 狼群算法 294
13.1 狼群算法的原理及特點 294
13.1.1 狼群算法的生物學背景 294
13.1.2 狼群算法的基本原理 295
13.1.3 狼群算法的特點分析 297
13.2 狼群算法的運算流程 298
13.3 狼群算法的主要參數 299
13.4 狼群算法的應用實例 301
思考題 319
第14章 禿鷹搜索優化算法 320
14.1 禿鷹搜索優化算法的原理及特點 320
14.1.1 禿鷹搜索優化算法的基本原理 321
14.1.2 禿鷹搜索優化算法的特點分析 323
14.2 禿鷹搜索優化算法的運算流程 324
14.3 禿鷹搜索優化算法的應用實例 326
思考題 343
第15章 蝠鱝覓食優化算法 344
15.1 蝠鱝覓食優化算法的原理及特點 344
15.1.1 蝠鱝覓食優化算法的基本原理 345
15.1.2 蝠鱝覓食優化算法的特點分析 348
15.2 蝠鱝覓食優化算法的運算流程 349
15.3 蝠鱝覓食優化算法的應用實例 350
思考題 367
第16章 野狗優化算法 368
16.1 野狗優化算法的原理及特點 368
16.1.1 野狗優化算法的基本原理 369
16.1.2 野狗優化算法的特點分析 371
16.2 野狗優化算法的運算流程 372
16.3 野狗優化算法的應用實例 374
思考題 390
第17章 沙丘貓群優化算法 391
17.1 沙丘貓群優化算法的原理及特點 391
17.1.1 沙丘貓群優化算法的基本原理 392
17.1.2 沙丘貓群優化算法的特點分析 394
17.2 沙丘貓群優化算法的運算流程 394
17.3 沙丘貓群優化算法的應用實例 396
思考題 408
參考文獻 409
