日韩AV无码久久久精品免费,中文日本最新

內(nèi)容簡介

　　本書研究了群體智能典型實現(xiàn)的算法之一——粒子群優(yōu)化算法。其針對傳統(tǒng)粒子群優(yōu)化算法存在的缺點，給出其改進方法或提出新模型，使之更為有效可靠；另外，介紹了所提出的新模型、新算法在實際工程領(lǐng)域中的應(yīng)用，拓展了粒子群算法的應(yīng)用領(lǐng)域。本書在介紹了粒子群優(yōu)化算法基本原理、基本粒子群算法的基礎(chǔ)上，闡述了粒子群算法的實現(xiàn)技術(shù)，基于參數(shù)改進的粒子群算法、混合粒子群算法、生物啟發(fā)式粒子群算法，重點研究了粒子群算法在各類現(xiàn)實工程問題中的應(yīng)用情況。本書適合運籌與管理、人工智能、計算數(shù)學、計算機科學、系統(tǒng)科學、自動化等專業(yè)的師生參閱，亦可供從事計算智能研究與應(yīng)用的工作者參考。

作者簡介

　　李麗，吉林長春人，博士、教授，碩士生導(dǎo)師，深圳大學管理學院副院長。2001年廣東省“千百十”人才，2004年度深圳市優(yōu)秀教師。出版著作9部，主持國家、省、市級項目10余項及10多項橫向課題。其中國家社科基金項目“宏觀稅收負擔數(shù)量分析模型”榮獲吉林省教委科技進步一等獎；吉林省科委項目“數(shù)據(jù)包絡(luò)分析在經(jīng)濟管理中的應(yīng)用”榮獲吉林省教委科技進步一等獎。目前研究方向為運籌與優(yōu)化、智能決策與管理、智能計算，發(fā)表相關(guān)論文40余篇。

圖書目錄

1　1緒論
1.1　相關(guān)背景
1.2　生物啟發(fā)式計算
1.2.1　遺傳算法
1.2.2 神經(jīng)計算
1.2.3　模糊系統(tǒng)
1.2.4　其他生物啟發(fā)式計算方法
1.3　群體智能
1.3.1　群體智能簡介
1.3.2　群體智能的基本特性
1.4　群體智能算法及其研究現(xiàn)狀
1.4.1 螞蟻算法
1.4.2　粒子群優(yōu)化算法
1.4.3 群體智能算法應(yīng)用研究現(xiàn)狀
1.5　展望
參考文獻
2　粒子群算法
2.1 引言
2.2　粒子群算法概述
2.2.1 粒子群算法的起源
2.2.2　原始粒子群算法
2.2.3　標準粒子群算法
2.3　標準測試函數(shù)
2.4　粒子群算法的實現(xiàn)
參考文獻
3　粒子群算法參數(shù)分析
3.1 引言
3.2　慣性權(quán)重分析
3.2.1 線性慣性權(quán)重策略
3.2.2　非線性慣性權(quán)重策略
3.2.3　其他策略
3.3　學習因子分析
3.4　其他參數(shù)分析
參考文獻
4　改進粒子群算法
　4.1　粒子群算法改進研究綜述
4.1.1 參數(shù)改進
4.1.2　拓撲結(jié)構(gòu)的改進
4.1.3　混合策略
4.1.4　基于生物行為的改進
4.2　基于差分進化的一種新型混合粒子群算法
4.2.1　差分進化算法
4.2.2　基于差分進化的混合粒子群算法
4.2.3　試驗設(shè)置與測試函數(shù)
4.2.4　試驗結(jié)果-
4.3　基于模擬退火思想的粒子群算法
4.3.1 概述
4.3.2　模擬退火算法
4.3.3　基于模擬退化思想的粒子群混合算法
4.3.4　實驗設(shè)置與測試函數(shù)
4.3.5 實驗結(jié)果
4.4　基于細菌趨化的改進粒子群算法
4.4.1　PSOBC算法
　……
5　粒子群算法的應(yīng)用