粒子群優(yōu)化算法與多目標(biāo)優(yōu)化

定　價(jià)：￥52.00

作　者：	潘峰，李位星，高琪等著
出版社：	北京理工大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	工學(xué) 教材研究生/本科/?？平滩?/td>

購買這本書可以去

ISBN：	9787564077112	出版時(shí)間：	2013-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	210	字?jǐn)?shù)：

內(nèi)容簡介

　　《粒子群優(yōu)化算法與多目標(biāo)優(yōu)化》從優(yōu)化問題和群智能優(yōu)化方法入手，系統(tǒng)地介紹了粒子群優(yōu)化方法原理，分析了算法的模型及相關(guān)參數(shù)，總結(jié)了算法理論研究成果，包括粒子群優(yōu)化算法的穩(wěn)定性結(jié)論、馬爾科夫特性和早熟收斂問題等：書中全面地綜述了多目標(biāo)粒子群優(yōu)化方法的研究現(xiàn)狀，討論了多目標(biāo)優(yōu)化問題和多目標(biāo)粒子群優(yōu)化方法的研究工作?！读Ｗ尤簝?yōu)化算法與多目標(biāo)優(yōu)化》適合作為高等學(xué)校及科研院所電子信息、自動化、計(jì)算機(jī)、信息科學(xué)與其他相關(guān)專業(yè)的研究生和高年級本科生的專業(yè)參考書，也可供相關(guān)教師和工程技術(shù)人員參考。

作者簡介

　　潘峰，男，1978年6月生，云南昆明人，博士。2000年和2005年在北京理工大學(xué)自動控制系和自動化學(xué)院分別獲得學(xué)士和博士學(xué)位，畢業(yè)后，留校任教，2007年在Indiana University-Purdue University Indianapolis大學(xué)從事博士后研究一年，2009年晉升副教授。現(xiàn)擔(dān)任中國人工智能學(xué)會理事，《自動化學(xué)報(bào)》《計(jì)算機(jī)學(xué)報(bào)》《電子學(xué)報(bào)》《控制理論與應(yīng)用》等多家國內(nèi)著名期刊評委。主要研究興趣為：智能優(yōu)化計(jì)算與非傳統(tǒng)計(jì)算、復(fù)雜動態(tài)系統(tǒng)建模與優(yōu)化控制等。先后承擔(dān)國家自然科學(xué)基金1項(xiàng)、多項(xiàng)國防預(yù)研項(xiàng)目及橫向合作項(xiàng)目、獲省部級科研三等獎兩項(xiàng)、發(fā)表論文三十余篇、發(fā)明專利四項(xiàng)。

圖書目錄

第1章緒論
1.1 引言
1.2 最優(yōu)化問題
1.2.1 局部優(yōu)化和全局優(yōu)化
1.2.2 無免費(fèi)午餐定理
1.3 群體智能概述
1.3.1 群智能的基本原則與特點(diǎn)
1.3.2 蟻群算法
1.3.3 粒子群優(yōu)化算法
1.4 粒子群優(yōu)化算法的現(xiàn)狀及其應(yīng)用
1.4.1 PSO算法的理論分析
1.4.2 PSO的改進(jìn)策略
1.4.3 PSO應(yīng)用現(xiàn)狀
1.5 小結(jié)
第2章粒子群優(yōu)化算法概述
2.1 隨機(jī)搜索算法的基本框架
2.2 基本粒子群算法的形式化描述
2.3 粒子群算法的數(shù)學(xué)模型
2.3.1 帶慣性權(quán)重的PSO模型
2.3.2 帶收縮系數(shù)的PSO模型
2.3.3 Bare Bones Particle Swarm模型
2.3.4 混合型PSO模型
2.3.5 PApproximate Kalman Swarm（PAKS）模型
2.3.6 FIPS模型
2.3.7 PSO連續(xù)模型
2.4 粒子群算法的拓?fù)浣Y(jié)構(gòu)
2.4.1 靜態(tài)鄰居拓?fù)浣Y(jié)構(gòu)
2.4.2 動態(tài)鄰居拓?fù)浣Y(jié)構(gòu)
2.5 粒子群算法的評價(jià)指標(biāo)
2.5.1 準(zhǔn)確性
2.5.2 可靠性
2.5.3 魯棒性
2.5.4 多樣性
2.6 多樣性研究
2.6.1 多樣性的定義
2.6.2 群體多樣性的歸一化
2.6.3 粒子群優(yōu)化算法的早熟收斂
2.7 小結(jié)
第3章粒子群優(yōu)化算法特性分析
3.1 PSO的Gbest模型分析
3.2 PSO的Pbest模型分析
3.3 標(biāo)準(zhǔn)PSO單信息最大搜索空間描述
3.4 標(biāo)準(zhǔn)PSO與BBPS相似性分析
3.4.1 單信息最大搜索空間的描述分析
3.4.2 初始位置向量階乘衰減因子分析
3.4.3 初始速度向量的加權(quán)參數(shù)分析
3.4.4 標(biāo)準(zhǔn)PSO與BBPS的相似性討論
3.5 參數(shù)在概率意義下的遺忘特性
3.6 小結(jié)
第4章標(biāo)準(zhǔn)PSO的采樣分布分析和粒子軌跡分析
第5章標(biāo)準(zhǔn)PSO算法的穩(wěn)定性分析
第6章標(biāo)準(zhǔn)PSO算法的馬爾科夫鏈分析
第7章單目標(biāo)粒子群優(yōu)化算法
第8章多目標(biāo)粒子群優(yōu)化算法
第9章多目標(biāo)粒子群算法的改進(jìn)
參考文獻(xiàn)