智能優化算法與MATLAB編程實踐
陳克偉，魏曙光，範旭，張嘉曦，金東陽，王素雲，譚玉彬，張明
買這商品的人也買了...
-
$1,117Python 學習手冊, 5/e (Learning Python, 5/e) -
$305智能優化算法及其 MATLAB 實例, 3/e -
資料科學的統計實務 : 探索資料本質、扎實解讀數據，才是機器學習成功建模的第一步$599$509 -
文科生也能懂的 Python 程式設計｜用 Python 寫出國中數學解題程式$450$338 -
機器學習的統計基礎 : 深度學習背後的核心技術$680$537 -
$658MATLAB 函數及應用 -
Python 投資停看聽：運用 Open data 打造自動化燈號，學會金融分析精準投資法（iT邦幫忙鐵人賽系列書）$600$468 -
金魚都能懂的 CSS 必學屬性：網頁設計必備寶典（iT邦幫忙鐵人賽系列書）$720$562 -
Notion 打造你的高效數位人生 -- 王者歸來$500$330 -
Fundamentals of Probability and Statistics, 3/e (Paperback)$1,200$1,176
相關主題
商品描述
《智能優化算法與MATLAB編程實踐》介紹了國內外新研發的10種智能優化算法，對每種算法的靈感來源、實現過程、函數編程、案例應用都進行了細致描述並給出詳細的MATLAB代碼，使讀者快速掌握智能優化算法的學習和應用方法。 全書共分為12章，前10章分別介紹10種智能優化算法的原理、MATLAB實現、具體函數尋優求解過程和應用案例；第11章列舉了23種衡量智能優化算法性能的常見測試函數，並給出MATLAB代碼；第12章重點介紹智能優化算法的評價指標體系，選取部分測試函數和文中算法進行測試與分析，並給出完整MATLAB代碼，供讀者參考。 本書的主要特點為算法新穎，要素齊全，案例豐富，可移植性和實戰性強。理論研究和工程技術人員可通過本書快速理解、掌握書中算法，節省大量時間，感興趣的讀者可以在此基礎上進行深入研究。 本書可作為本科生、研究生和教師的學慣用書，也可以作為廣大科研工作者、工程技術人員的參考用書。
目錄大綱
目 錄
第1章 蜉蝣優化算法 1
1.1 基本原理 1
1.1.1 雄性蜉蝣的運動 1
1.1.2 雌性蜉蝣的運動 2
1.1.3 雌雄蜉蝣的交配過程 3
1.1.4 蜉蝣優化算法流程 3
1.2 MATLAB實現 4
1.2.1 種群初始化 4
1.2.2 適應度函數 7
1.2.3 邊界檢查和約束函數 8
1.2.4 蜉蝣優化算法代碼 9
1.3 函數尋優 13
1.3.1 問題描述 13
1.3.2 適應度函數設計 14
1.3.3 主函數設計 15
1.4 減速器設計 16
1.4.1 問題描述 16
1.4.2 適應度函數設計 18
1.4.3 主函數設計 19
參考文獻 21
第2章 哈裡斯鷹優化算法 22
2.1 基本原理 22
2.1.1 搜索階段 23
2.1.2 從搜索到開發的轉換階段 23
2.1.3 開發階段 24
2.1.4 哈裡斯鷹優化算法流程 27
2.2 MATLAB實現 28
2.2.1 種群初始化 29
2.2.2 適應度函數 31
2.2.3 邊界檢查和約束函數 32
2.2.4 Levy飛行函數 33
2.2.5 算法代碼 34
2.3 函數尋優 37
2.3.1 問題描述 37
2.3.2 適應度函數設計 38
2.3.3 主函數設計 38
2.4 拉伸/壓縮彈簧設計 40
2.4.1 問題描述 40
2.4.2 適應度函數設計 40
2.4.3 主函數設計 41
參考文獻 43
第3章 獅群優化算法 44
3.1 基本原理 44
3.1.1 獅王更新方式 45
3.1.2 母獅更新方式 45
3.1.3 幼獅更新方式 46
3.1.4 獅群優化算法流程 47
3.2 MATLAB實現 48
3.2.1 種群初始化 48
3.2.2 適應度函數 51
3.2.3 邊界檢查和約束函數 51
3.2.4 獅群優化算法代碼 52
3.3 函數尋優 54
3.3.1 問題描述 54
3.3.2 適應度函數設計 55
3.3.3 主函數設計 56
3.4 壓力容器設計 57
3.4.1 問題描述 57
3.4.2 適應度函數設計 58
3.4.3 主函數設計 59
參考文獻 61
第4章 樽海鞘群算法 62
4.1 基本原理 62
4.1.1 樽海鞘群算法的數學模型 62
4.1.2 樽海鞘群算法流程 64
4.2 MATLAB實現 65
4.2.1 種群初始化 65
4.2.2 適應度函數 68
4.2.3 邊界檢查和約束函數 69
4.2.4 樽海鞘群算法代碼 70
4.3 函數尋優 71
4.3.1 問題描述 71
4.3.2 適應度函數設計 72
4.3.3 主函數設計 73
4.4 三桿桁架設計 74
4.4.1 問題描述 74
4.4.2 適應度函數設計 75
4.4.3 主函數設計 76
參考文獻 78
第5章 禿鷹搜索算法 79
5.1 基本原理 79
5.1.1 選擇階段 79
5.1.2 搜索階段 80
5.1.3 俯沖階段 81
5.1.4 禿鷹搜索算法流程 81
5.2 MATLAB實現 82
5.2.1 種群初始化 82
5.2.2 適應度函數 85
5.2.3 邊界檢查和約束函數 86
5.2.4 禿鷹搜索算法代碼 87
5.3 函數尋優 89
5.3.1 問題描述 89
5.3.2 適應度函數設計 90
5.3.3 主函數設計 90
5.4 齒輪傳動設計 92
5.4.1 問題描述 92
5.4.2 適應度函數設計 93
5.4.3 主函數設計 93
參考文獻 95
第6章 烏燕鷗優化算法 96
6.1 基本原理 96
6.1.1 遷徙行為（勘探階段） 96
6.1.2 攻擊行為（開發階段） 97
6.1.3 烏燕鷗優化算法流程 98
6.2 MATLAB實現 99
6.2.1 種群初始化 99
6.2.2 適應度函數 102
6.2.3 邊界檢查和約束函數 102
6.2.4 烏燕鷗優化算法代碼 104
6.3 函數尋優 105
6.3.1 問題描述 106
6.3.2 適應度函數設計 107
6.3.3 主函數設計 107
6.4 懸臂梁設計 108
6.4.1 問題描述 108
6.4.2 適應度函數設計 109
6.4.3 主函數設計 110
參考文獻 112
第7章 平衡優化器算法 113
7.1 基本原理 113
7.1.1 算法物理背景 113
7.1.2 優化原理 114
7.1.3 平衡優化器算法流程 116
7.2 MATLAB實現 117
7.2.1 種群初始化 117
7.2.2 適應度函數 120
7.2.3 邊界檢查和約束函數 121
7.2.4 平衡優化器算法代碼 122
7.3 函數尋優 124
7.3.1 問題描述 124
7.3.2 適應度函數設計 125
7.3.3 主函數設計 125
7.4 管狀柱設計 127
7.4.1 問題描述 127
7.4.2 適應度函數設計 128
7.4.3 主函數設計 129
參考文獻 130
第8章 海洋捕食者算法 132
8.1 基本原理 132
8.1.1 初始化 132
8.1.2 優化階段 133
8.1.3 渦流形成與魚群聚集裝置效應 134
8.1.4 海洋捕食者算法流程 134
8.2 MATLAB實現 136
8.2.1 種群初始化 136
8.2.2 適應度函數 139
8.2.3 邊界檢查和約束函數 139
8.2.4 Levy飛行 140
8.2.5 海洋捕食者算法代碼 141
8.3 函數尋優 144
8.3.1 問題描述 144
8.3.2 適應度函數設計 145
8.3.3 主函數設計 145
8.4 活塞桿設計 147
8.4.1 問題描述 147
8.4.2 適應度函數設計 148
8.4.3 主函數設計 149
參考文獻 151
第9章 算術優化算法 152
9.1 基本原理 152
9.1.1 算術優化算法的原理 152
9.1.2 算術優化算法流程 154
9.2 MATLAB實現 156
9.2.1 種群初始化 156
9.2.2 適應度函數 158
9.2.3 邊界檢查和約束函數 159
9.2.4 算術優化算法代碼 160
9.3 函數尋優 162
9.3.1 問題描述 162
9.3.2 適應度函數設計 163
9.3.3 主函數設計 163
9.4 焊接梁設計 165
9.4.1 問題描述 165
9.4.2 適應度函數設計 167
9.4.3 主函數設計 168
參考文獻 169
第10章 蝠鱝覓食優化算法 171
10.1 基本原理 171
10.1.1 鏈式覓食 171
10.1.2 螺旋式覓食 172
10.1.3 翻滾式覓食 173
10.1.4 蝠鱝覓食優化算法流程 174
10.2 MATLAB實現 175
10.2.1 種群初始化 175
10.2.2 適應度函數 177
10.2.3 邊界檢查和約束函數 178
10.2.4 蝠鱝覓食優化算法代碼 179
10.3 函數尋優 181
10.3.1 問題描述 181
10.3.2 適應度函數設計 183
10.3.3 主函數設計 183
10.4 鋼筋混凝土梁設計 184
10.4.1 問題描述 185
10.4.2 適應度函數設計 185
10.4.3 主函數設計 186
參考文獻 188
第11章 智能優化算法基準函數集合 189
11.1 基準測試集簡介 189
11.2 基準測試函數搜索空間繪圖和代碼 191
11.2.1 F1函數 191
11.2.2 F2函數 192
11.2.3 F3函數 193
11.2.4 F4函數 195
11.2.5 F5函數 196
11.2.6 F6函數 197
11.2.7 F7函數 199
11.2.8 F8函數 200
11.2.9 F9函數 201
11.2.10 F10函數 202
11.2.11 F11函數 204
11.2.12 F12函數 205
11.2.13 F13函數 207
11.2.14 F14函數 208
11.2.15 F15函數 209
11.2.16 F16函數 211
11.2.17 F17函數 212
11.2.18 F18函數 213
11.2.19 F19函數 215
11.2.20 F20函數 216
11.2.21 F21函數 218
11.2.22 F22函數 219
11.2.23 F23函數 220
參考文獻 222
第12章 智能優化算法性能測試 223
12.1 智能優化算法評價指標 223
12.1.1 平均值 223
12.1.2 標準差 223
12.1.3 最優值和最差值 225
12.1.4 收斂曲線 225
12.2 基準測試函數測試 226
12.2.1 測試函數信息 226
12.2.2 測試方法及參數設置 226
12.2.3 測試結果 227
12.2.4 測試代碼 233
12.3 工程案例測試 235
12.3.1 測試案例信息 235
12.3.2 測試方法及參數設置 245
12.3.3 測試結果 246
12.2.4 測試代碼 253
