人工蜂群算法及其應用

序
前言
第 1章緒論 1
1.1 最優(yōu)化問題與最優(yōu)化方法 1
1.1.1 優(yōu)化的概念與數(shù)學模型 1
1.1.2 最優(yōu)化問題與方法的分類 3
1.1.3 最優(yōu)化問題的復雜性及 NP理論 4
1.2 最優(yōu)化算法的研究與發(fā)展 5
1.3 群體智能優(yōu)化算法概述 7
1.4 幾種群體智能優(yōu)化算法簡介 8
1.4.1 標準遺傳算法 8
1.4.2 粒子群算法 10
1.4.3 蟻群算法 12
1.4.4 人工魚群算法 14
1.5 人工蜂群算法研究與應用概述 16
1.5.1 人工蜂群算法的提出與改進 16
1.5.2 人工蜂群算法與其他算法的融合 19
1.5.3 人工蜂群算法在多領域中的應用 21
1.5.4 人工蜂群算法總結(jié) 29
1.6 本章小結(jié) 30 參考文獻 30
第 2章基本人工蜂群算法 47
2.1 人工蜂群算法基本概念 47
2.2 人工蜂群算法實現(xiàn)步驟 53
2.3 人工蜂群算法搜索策略分析 56
2.4 應用實例：基本測試函數(shù)的優(yōu)化 56
2.5 人工蜂群算法的特點及參數(shù)設置 57
2.6 MATLAB程序設計 58
2.7 本章小結(jié) 62
參考文獻 63
第 3章人工蜂群算法的性能分析與改進 66
3.1 人工蜂群算法收斂性證明 66
3.1.1 人工蜂群算法的 Markov鏈模型 66
3.1.2 人工蜂群算法收斂性證明 68
3.2 人工蜂群算法參數(shù)對優(yōu)化結(jié)果的影響分析 71
3.3 整數(shù)人工蜂群算法 72
3.3.1 整數(shù)優(yōu)化的人工蜂群算法 72
3.3.2 實驗結(jié)果與分析 72
3.4 量子人工蜂群算法 74
3.4.1 量子計算 74
3.4.2 量子人工蜂群算法 74
3.4.3 實驗結(jié)果與分析 77
3.5 小生境人工蜂群算法 78
3.5.1 小生境技術(shù) 78
3.5.2 小生境人工蜂群算法 79
3.5.3 實驗結(jié)果與分析 80
3.6 全局人工蜂群算法 83
3.6.1 基本人工蜂群算法的不足 83
3.6.2 全局人工蜂群算法 84
3.6.3 實驗結(jié)果與分析 86
3.7 MATLAB程序設計 89
3.8 本章小結(jié) 94 參考文獻