123,123

內(nèi)容簡(jiǎn)介

　　《粒子群算法及其應(yīng)用研究》的核心是設(shè)計(jì)求解MEC模型的粒子群算法。粒子群算法在很多連續(xù)問題上得到成功的應(yīng)用，而在離散問題上的研究和應(yīng)用卻很少，而《粒子群算法及其應(yīng)用研究》正是粒子群算法在離散問題上的一個(gè)很好的應(yīng)用。針對(duì)MEC模型提出一種基于原始粒子群算法的啟發(fā)式算法，該方法盡管有隨機(jī)機(jī)制，但它對(duì)MEC模型非常穩(wěn)定，在大多數(shù)情況下都可以找到相當(dāng)好的解。為了提高粒子群算法的收斂速度，在原始粒子群算法中嵌入記憶機(jī)制，改進(jìn)了粒子群算法的性能，進(jìn)而提出了一種基于改進(jìn)粒子群算法的啟發(fā)式算法，提高了單體型重構(gòu)率。利用給出的兩個(gè)算法分別對(duì)真實(shí)數(shù)據(jù)和模擬數(shù)據(jù)進(jìn)行數(shù)值計(jì)算，結(jié)果表明這兩個(gè)算法對(duì)于MEC模型是非常有效的。

作者簡(jiǎn)介

暫缺《粒子群算法及其應(yīng)用研究》作者簡(jiǎn)介

圖書目錄

第1章緒論
1．1 群智能
1．2 混合蛙跳算法
1．3 人工魚群算法
1．4 蟻群算法
1．5 粒子群算法
第2章基本粒子群算法
2．1 粒子群算法概述
2．2 標(biāo)準(zhǔn)粒子群算法
2．3 粒子群算法分類
2．4 標(biāo)準(zhǔn)粒子群算法的實(shí)現(xiàn)
2．5 適應(yīng)度評(píng)價(jià)函數(shù)
2．6 連續(xù)型原始粒子群算法
2．7 離散型粒子群算法
2．8 粒子群算法局部版本的實(shí)現(xiàn)
2．9 混合粒子群算法的實(shí)現(xiàn)
第3章粒子群優(yōu)化算法的改進(jìn)策略
3．1 粒子群初始化
3．2 鄰域拓?fù)?br />3．3 混合策略
3．4 參數(shù)設(shè)置
3．5 參數(shù)理論分析
3．6 結(jié)論與展望
3．7 參考文獻(xiàn)
3．8 附錄
第4章粒子群算法的應(yīng)用
4．1 基于粒子群算法的單體型裝配問題
4．2 粒子群算法解決函數(shù)優(yōu)化問題
4．3 基于粒子群算法求解非線性規(guī)劃問題的設(shè)計(jì)
4．4 基于粒子群算法的電力系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度問題