123,123

內(nèi)容簡(jiǎn)介

　　本書研究了群體智能典型實(shí)現(xiàn)的算法之一——粒子群優(yōu)化算法。其針對(duì)傳統(tǒng)粒子群優(yōu)化算法存在的缺點(diǎn)，給出其改進(jìn)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(shí)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(shí)現(xiàn)技術(shù)，基于參數(shù)改進(jìn)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(diǎn)研究了粒子群算法在各類現(xiàn)實(shí)工程問題中的應(yīng)用情況。本書適合運(yùn)籌與管理、人工智能、計(jì)算數(shù)學(xué)、計(jì)算機(jī)科學(xué)、系統(tǒng)科學(xué)、自動(dòng)化等專業(yè)的師生參閱，亦可供從事計(jì)算智能研究與應(yīng)用的工作者參考。

作者簡(jiǎn)介

　　李麗，吉林長春人，博士、教授，碩士生導(dǎo)師，深圳大學(xué)管理學(xué)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(jí)項(xiàng)目10余項(xiàng)及10多項(xiàng)橫向課題。其中國家社科基金項(xiàng)目“宏觀稅收負(fù)擔(dān)數(shù)量分析模型”榮獲吉林省教委科技進(jìn)步一等獎(jiǎng)；吉林省科委項(xiàng)目“數(shù)據(jù)包絡(luò)分析在經(jīng)濟(jì)管理中的應(yīng)用”榮獲吉林省教委科技進(jìn)步一等獎(jiǎng)。目前研究方向?yàn)檫\(yùn)籌與優(yōu)化、智能決策與管理、智能計(jì)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(jì)算
1.2.1　遺傳算法
1.2.2 神經(jīng)計(jì)算
1.2.3　模糊系統(tǒng)
1.2.4　其他生物啟發(fā)式計(jì)算方法
1.3　群體智能
1.3.1　群體智能簡(jiǎn)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(xiàn)
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(biāo)準(zhǔn)粒子群算法
2.3　標(biāo)準(zhǔn)測(cè)試函數(shù)
2.4　粒子群算法的實(shí)現(xiàn)
參考文獻(xiàn)
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(xué)習(xí)因子分析
3.4　其他參數(shù)分析
參考文獻(xiàn)
4　改進(jìn)粒子群算法
　4.1　粒子群算法改進(jìn)研究綜述
4.1.1 參數(shù)改進(jìn)
4.1.2　拓?fù)浣Y(jié)構(gòu)的改進(jìn)
4.1.3　混合策略
4.1.4　基于生物行為的改進(jìn)
4.2　基于差分進(jìn)化的一種新型混合粒子群算法
4.2.1　差分進(jìn)化算法
4.2.2　基于差分進(jìn)化的混合粒子群算法
4.2.3　試驗(yàn)設(shè)置與測(cè)試函數(shù)
4.2.4　試驗(yàn)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(shí)驗(yàn)設(shè)置與測(cè)試函數(shù)
4.3.5 實(shí)驗(yàn)結(jié)果
4.4　基于細(xì)菌趨化的改進(jìn)粒子群算法
4.4.1　PSOBC算法
　……
5　粒子群算法的應(yīng)用