鴿群優(yōu)化

目錄
序
前言
第1章 緒論 1
1.1 引言 1
1.2 鴿子習性 4
1.3 鴿子導航特點 7
1.3.1 太陽因素 8
1.3.2 地磁場因素 8
1.3.3 地形地標因素 9
1.3.4 其他因素 10
1.4 鴿子導航歷史 10
1.5 鴿群優(yōu)化算法起源 14
1.6 鴿群優(yōu)化算法進展 19
1.6.1 要素更換 22
1.6.2 算子增加 23
1.6.3 結構調整 24
1.6.4 應用擴展 25
1.7 本書結構 26
1.8 本章小結 27
參考文獻 27
第2章 鴿群優(yōu)化算法 41
2.1 引言 41
2.2 *優(yōu)化問題 44
2.3 算法介紹 45
2.3.1 算法模型 45
2.3.2 算法流程 47
2.3.3 算法特點 49
2.4 本章小結 50
參考文獻 50
第3章 鴿群優(yōu)化理論 54
3.1 引言 54
3.2 基于馬爾可夫鏈的收斂性理論證明 55
3.2.1 問題描述 55
3.2.2 算法設計 58
3.2.3 理論分析 59
3.2.4 仿真實驗 61
3.3 改進多目標鴿群優(yōu)化算法分析 66
3.3.1 算法設計 66
3.3.2 理論分析 71
3.3.3 仿真實驗 75
3.4 基于鞅理論的收斂性分析 87
3.4.1 問題描述 87
3.4.2 理論分析 88
3.5 基于平均收益模型的*達時間分析 93
3.5.1 理論分析 93
3.5.2 仿真實驗 96
3.6 異構鴿群優(yōu)化算法特性分析 97
3.6.1 算法設計 97
3.6.2 特性分析 99
3.7 本章小結 105
參考文獻 105
第4章 鴿群優(yōu)化改進模型 109
4.1 引言 109
4.2 離散鴿群優(yōu)化 110
4.2.1 算法設計 110
4.2.2 仿真實驗 115
4.3 二進制鴿群優(yōu)化 119
4.3.1 算法設計 119
4.3.2 仿真實驗 121
4.4 廣義鴿群優(yōu)化 123
4.4.1 算法設計 123
4.4.2 仿真實驗 125
4.5 進化博弈鴿群優(yōu)化 129
4.5.1 算法設計 130
4.5.2 仿真實驗 131
4.6 萊維飛行鴿群優(yōu)化 132
4.6.1 系統(tǒng)設計 132
4.6.2 算法設計 135
4.6.3 仿真實驗 137
4.7 多目標鴿群優(yōu)化 138
4.7.1 算法設計 139
4.7.2 仿真實驗 140
4.8 本章小結 141
參考文獻 141
第5章 基于鴿群優(yōu)化的任務規(guī)劃 147
5.1 引言 147
5.2 集群編隊 148
5.2.1 自適應鴿群優(yōu)化集群編隊 148
5.2.2 量子鴿群優(yōu)化緊密編隊 153
5.3 避障飛行 164
5.3.1 分層學習多目標鴿群優(yōu)化編隊避障 164
5.3.2 社會學習多目標鴿群優(yōu)化編隊避障 178
5.4 航路規(guī)劃 186
5.4.1 自適應量子鴿群優(yōu)化航路規(guī)劃 186
5.4.2 動態(tài)離散鴿群優(yōu)化路徑規(guī)劃 195
5.5 協(xié)同搜索 209
5.5.1 協(xié)同進化鴿群優(yōu)化區(qū)域搜索 209
5.5.2 多機制融合鴿群優(yōu)化協(xié)同搜索 221
5.6 本章小結 232
參考文獻 232
第6章 基于鴿群優(yōu)化的自主控制 236
6.1 引言 236
6.2 控制參數(shù)優(yōu)化 237
6.2.1 高斯鴿群優(yōu)化自適應控制 237
6.2.2 魯棒鴿群優(yōu)化姿態(tài)控制 246
6.3 無人機自主著艦 258
6.3.1 柯西變異鴿群優(yōu)化自主著艦 258
6.3.2 捕食–逃逸鴿群優(yōu)化自主著艦 269
6.4 自主空中加油 282
6.4.1 異構綜合學習鴿群優(yōu)化自主空中加油 282
6.4.2 變權重變異鴿群優(yōu)化自主空中加油 288
6.5 本章小結 296
參考文獻 297
第7章 基于鴿群優(yōu)化的信息處理 301
7.1 引言 301
7.2 圖像處理 302
7.2.1 正交鴿群優(yōu)化圖像復原 302
7.2.2 空間變分辨率鴿群優(yōu)化目標識別 318
7.3 數(shù)據(jù)挖掘 326
7.3.1 組合多目標鴿群優(yōu)化數(shù)據(jù)聚類 326
7.3.2 融合粒子群鴿群優(yōu)化數(shù)據(jù)預測 339
7.4 本章小結 348
參考文獻 348
第8章 基于鴿群優(yōu)化的電氣能控 353
8.1 引言 353
8.2 系統(tǒng)節(jié)能 354
8.2.1 COSR 策略多目標鴿群潮流優(yōu)化 354
8.2.2 和聲鴿群優(yōu)化智能調度 362
8.2.3 離散知識型鴿群優(yōu)化車間能效 369
8.3 器件控制 377
8.3.1 PCHS 策略鴿群優(yōu)化磁場線圈 377
8.3.2 融合策略鴿群優(yōu)化無刷電機 385
8.4 本章小結 392
參考文獻 392
第9章 研究前沿與展望 395
9.1 引言 395
9.2 模型改進 395
9.3 理論深化 396
9.4 并行實現(xiàn) 397
9.5 仿生硬件 398
9.6 應用拓展 399
9.7 本章小結 399
參考文獻 400
CONTENTS
Foreword
Preface
Chapter 1 Exordium 1
1.1 Introduction 1
1.2 Habits and Behavior of Pigeon 4
1.3 Navigation Characteristics of Pigeon 7
1.3.1 Solar Information 8
1.3.2 Magnetic Information 8
1.3.3 Landscape Information 9
1.3.4 Other Information 10
1.4 History of Pigeon Navigation 10
1.5 Origin of Pigeon-Inspired Optimization 14
1.6 Advances in Pigeon-Inspired Optimization 19
1.6.1 Component Replacement 22
1.6.2 Operation Addition 23
1.6.3 Structure Adjustment 24
1.6.4 Application Expansion 25
1.7 Organization of This Book 26
1.8 Summary 27
References 27
Chapter 2 Pigeon-Inspired Optimization Algorithm 41
2.1 Introduction 41
2.2 Optimization Problem 44
2.3 Introduction of PIO Algorithm 45
2.3.1 Model of PIO Algorithm 45
2.3.2 Process of PIO Algorithm 47
2.3.3 Characteristics of PIO Algorithm 49
2.4 Summary 50
References 50
Chapter 3 Theory of Pigeon-Inspired Optimization 54
3.1 Introduction 54
3.2 Convergence Analysis Based on Markov Chain 55
3.2.1 Problem Description 55
3.2.2 Algorithm Design 58
3.2.3 Theory Analysis 59
3.2.4 Simulation Experiments 61
3.3 Theory Analysis of Multi-Objective Pigeon-Inspired Optimization 66
3.3.1 Algorithm Design 66
3.3.2 Theory Analysis 71
3.3.3 Simulation Experiments 75
3.4 Convergence Analysis Based on Martingale Theory 87
3.4.1 Problem Description 87
3.4.2 Theory Analysis 88
3.5 Runtime analysis Based on Average Gain Model 93
3.5.1 Theory Analysis 93
3.5.2 Simulation Experiments 96
3.6 Characteristic Analysis of Heterogeneous Pigeon-Inspired Optimization 97
3.6.1 Algorithm Design 97
3.6.2 Characteristic Analysis 99
3.7 Summary 105
References 105
Chapter 4 Improved Model of Pigeon-Inspired Optimization 109
4.1 Introduction 109
4.2 Discrete Pigeon-Inspired Optimization 110
4.2.1 Algorithm Design 110
4.2.2 Simulation Experiments 115
4.3 Binary Pigeon-Inspired Optimization 119
4.3.1 Algorithm Design 119
4.3.2 Simulation Experiments 121
4.4 Generalized Pigeon-Inspired Optimization 123
4.4.1 Algorithm Design 123
4.4.2 Simulation Experiments 125
4.5 Pigeon-Inspired Optimization Based on Evolutionary Game Theory 129
4.5.1 Algorithm Design 130
4.5.2 Simulation Experiments 131
4.6 Lévy