群體智能算法及其應(yīng)用

目 錄
第1章 群體智能算法概述\t1
1．1 群體智能算法的特點\t1
1．1．1 智能性\t1
1．1．2 隱含本質(zhì)并行性\t2
1．1．3 解的近似性\t2
1．2 群體智能算法的計算模式\t2
1．2．1 社會協(xié)作機制\t3
1．2．2 自我適應(yīng)機制\t3
1．2．3 競爭機制\t4
1．3 遺傳算法\t4
1．3．1 標準遺傳算法原理\t5
1．3．2 編碼機制與主要算子\t7
1．4 差異演化算法\t8
1．5 粒子群算法\t10
1．5．1 粒子群算法的原理\t10
1．5．2 PSO算法的計算模型\t11
1．6 教―學(xué)優(yōu)化算法\t13
1．7 顧問引導(dǎo)搜索算法\t13
1．8 本章小結(jié)\t15
參考文獻\t16
第2章 人工魚群算法\t18
2．1 人工魚群算法的數(shù)學(xué)模型\t18
2．2 人工魚群算法的收斂性分析\t21
2．2．1 常用距離\t21
2．2．2 基于Markfov鏈技術(shù)的收斂性分析\t22
2．2．3 基于壓縮映射定理的收斂性分析\t25
2．3 人工魚群算法的相關(guān)研究\t26
2．3．1 參數(shù)的改進\t27
2．3．2 與其他智能算法的融合\t28
2．3．3 其他的改進方法\t29
2．4 本章小結(jié)\t32
參考文獻\t32
第3章 人工魚群算法的改進研究\t34
3．1 小生境人工魚群算法\t34
3．1．1 小生境技術(shù)\t34
3．1．2 算法實現(xiàn)\t36
3．1．3 算法的收斂性\t36
3．1．4 仿真實驗與分析\t38
3．1．5 結(jié)論\t40
3．2 自適應(yīng)人工魚群算法\t40
3．2．1 參數(shù)自適應(yīng)機制\t40
3．2．2 算法實現(xiàn)\t42
3．2．3 仿真實驗與分析\t42
3．2．4 結(jié)論\t44
3．3 基于種群分類的人工魚群算法\t44
3．3．1 種群分類思想及設(shè)置\t45
3．3．2 算法實現(xiàn)\t46
3．3．3 仿真實驗與分析\t47
3．3．4 結(jié)論\t50
3．4 混和反向?qū)W習(xí)人工魚群算法\t50
3．4．1 反向?qū)W習(xí)\t50
3．4．2 佳點集\t51
3．4．3 人工魚群算法的改進機制\t51
3．4．4 仿真實驗與分析\t54
3．4．5 結(jié)論\t59
3．5 精英競爭人工魚群算法\t59
3．5．1 基于動態(tài)隨機搜索的精英訓(xùn)練\t59
3．5．2 算法實現(xiàn)\t60
3．5．3 仿真實驗與分析\t61
3．5．4 結(jié)論\t67
3．6 隨機游走人工魚群算法\t67
3．6．1 Lévy Flight機制\t67
3．6．2 算法改進思想\t68
3．6．3 算法實現(xiàn)\t69
3．6．4 仿真實驗與分析\t70
3．6．5 結(jié)論\t72
3．7 混合群搜索人工魚群算法\t73
3．7．1 標準群搜索優(yōu)化算法\t73
3．7．2 群搜索優(yōu)化算法的改進\t75
3．7．3 混合群搜索人工魚群算法\t77
3．7．4 仿真實驗與分析\t78
3．7．5 結(jié)論\t81
3．8 本章小結(jié)\t81
參考文獻\t82
第4章 煙花爆炸優(yōu)化算法及改進\t83
4．1 煙花爆炸優(yōu)化算法\t83
4．2 混沌煙花爆炸優(yōu)化算法\t86
4．2．1 混沌搜索算法\t86
4．2．2 算法實現(xiàn)\t87
4．2．3 仿真實驗與分析\t87
4．2．4 結(jié)論\t91
4．3 混合動態(tài)搜索煙花爆炸優(yōu)化算法\t91
4．3．1 算法實現(xiàn)\t91
4．3．2 仿真實驗與分析\t92
4．3．3 結(jié)論\t96
4．4 混合反向?qū)W習(xí)煙花爆炸優(yōu)化算法\t96
4．4．1 精英反向?qū)W習(xí)\t96
4．4．2 基于模擬退火機制的種群選擇\t97
4．4．3 算法實現(xiàn)\t97
4．4．4 仿真實驗與分析\t98
4．4．5 結(jié)論\t102
4．5 隨機游走煙花爆炸優(yōu)化算法\t102
4．5．1 基于隨機游走機制的變異算子\t103
4．5．2 基于Boltzmann 子個體選擇\t103
4．5．3 算法實現(xiàn)\t104
4．5．4 仿真實驗與分析\t105
4．5．5 結(jié)論\t109
4．6 本章小結(jié)\t109
參考文獻\t109
第5章 群體智能算法的應(yīng)用\t110
5．1 物流配送中的車輛調(diào)度問題\t110
5．1．1 問題的提出\t110
5．1．2 組合優(yōu)化\t111
5．1．3 車輛調(diào)度問題的數(shù)學(xué)模型\t111
5．1．4 求解VRP的混合人工魚群遺傳算法\t112
5．1．5 仿真實驗結(jié)果\t113
5．2 求解SVM反問題的差異演化算法\t113
5．2．1 問題的提出\t113
5．2．2 差異演化算法的設(shè)計\t114
5．2．3 差異演化算法的改進\t114
5．2．4 仿真實驗結(jié)果\t116
5．3 求解聚類問題的人工魚群算法\t118
5．3．1 聚類模型\t118
5．3．2 算法的設(shè)計\t119
5．3．3 算法實現(xiàn)\t120
5．3．4 仿真實驗結(jié)果\t121
5．4 求解測試用例自動化問題的人工魚群算法\t123
5．4．1 路徑測試模型\t123
5．4．2 混沌搜索\t125
5．4．3 算法的設(shè)計\t125
5．4．4 仿真實驗結(jié)果\t127
5．5 求解關(guān)聯(lián)規(guī)則挖掘的差異演化算法\t129
5．5．1 規(guī)則挖掘\t129
5．5．2 算法的設(shè)計\t131
5．5．3 仿真實驗結(jié)果\t133
5．6 求解特征選擇的人工魚群算法\t136
5．6．1 特征選擇\t136
5．6．2 算法的設(shè)計\t136
5．6．3 仿真實驗結(jié)果\t137
5．7 求解網(wǎng)絡(luò)安全態(tài)勢預(yù)測的人工魚群算法\t139
5．7．1 網(wǎng)絡(luò)安全態(tài)勢預(yù)測模型\t140
5．7．2 算法的設(shè)計\t141
5．7．3 仿真實驗結(jié)果\t143
5．8 求解圖像邊緣檢測的遺傳算法\t146
5．8．1 數(shù)字圖像邊緣\t146
5．8．2 Sobel邊緣檢測算子\t148
5．8．3 面向圖像邊緣檢測的遺傳算法\t149
5．8．4 仿真實驗結(jié)果\t151
5．8．5 結(jié)論\t155
5．9 本章小結(jié)\t155
參考文獻\t157
第6章 總結(jié)與展望\t159