新型粒子群算法理论与实践2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

新型粒子群算法理论与实践PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 导引篇3

第1章 绪论3

1.1 问题的提出3

1.2 优化算法及分类4

1.3 关于优化理论的基本概念6

1.3.1 优化问题的数学模型6

1.3.2 全局最优解和局部最优解7

1.4 本书的篇章结构8

第2章 粒子群算法及其理论基础11

2.1 PSO的研究现状11

2.1.1 种群拓扑结构改进11

2.1.2 粒子学习策略的研究12

2.1.3 混合粒子群算法研究12

2.1.4 PSO在多目标和约束优化问题中的研究13

2.2 粒子群优化算法15

2.2.1 原始粒子群算法15

2.2.2 标准粒子群算法17

2.2.3 两种经典的拓扑结构引申的粒子群算法19

2.3 粒子群算法的理论分析19

2.3.1 粒子的线性离散系统构建19

2.3.2 粒子群算法的收敛性分析21

第二部分 算法改进篇27

第3章 基于动态邻居和广义学习的粒子群算法27

3.1 引言27

3.2 动态邻居拓扑结构的构建27

3.2.1 动态邻居拓扑结构的提出27

3.2.2 种群多样性的度量28

3.2.3 粒子邻居的重建代数30

3.3 广义学习策略及其搜索空间分析31

3.3.1 广义学习策略31

3.3.2 搜索行为分析34

3.4 变异操作及其分析36

3.5 仿真实验及其分析40

3.5.1 检测函数40

3.5.2 各种粒子群算法的参数设置42

3.5.3 实验结果及分析42

3.6 带有局部搜索的DNMPSO47

3.6.1 拟牛顿算法47

3.6.2 仿真实验及其分析49

3.7 小结52

第4章 基于K均值聚类的动态多种群粒子群算法53

4.1 引言53

4.2 基于K均值聚类的多种群构建54

4.2.1 动态多种群构建54

4.2.2 种群多样性分析55

4.3 子群构建间隔代数（R）和子群数量（n）的确定56

4.4 学习样本的选择58

4.4.1 社会部分学习样本的选择58

4.4.2 自知部分学习样本的选择60

4.5 KDMSPSO与DNMPSO的比较60

4.5.1 算法的收敛特征曲线比较63

4.5.2 种群多样性比较63

4.6 基于KDMSPSO求解约束优化问题63

4.6.1 约束优化问题的数学描述64

4.6.2 求解约束优化问题的方法分类64

4.6.3 求解约束优化问题的DMCPSO66

4.6.4 仿真实验及其分析70

4.7 小结75

第5章 多群体协同进化粒子群优化76

5.1 引言76

5.2 多群体协同进化76

5.2.1 多群体协同进化的生物学基础76

5.2.2 多群体协同进化的生物学基础77

5.3 多群体协同进化粒子群优化算法77

5.4 实验与结果分析80

5.4.1 测试函数80

5.4.2 实验设置80

5.4.3 实验结果80

5.4.4 实验讨论87

5.5 小结89

第6章 自适应网格和拥挤距离的多目标粒子群算法90

6.1 引言90

6.2 多目标优化算法90

6.2.1 多目标优化问题的数学描述90

6.2.2 传统多目标算法及其局限性92

6.2.3 进化多目标优化算法93

6.2.4 多目标粒子群算法93

6.2.5 评价指标94

6.3 粒子群算法处理多目标优化问题的关键点96

6.3.1 学习样本的选取策略96

6.3.2 外部存档规模控制策略99

6.4 基于自适应网格和拥挤距离的多目标粒子群算法99

6.4.1 非劣解的存储99

6.4.2 基于自适应网格密度和拥挤距离估计100

6.4.3 外部存档规模限制和gbest选取101

6.4.4 实验结果及其分析103

6.5 小结106

第7章 基于ε占优的自适应多目标粒子群算法108

7.1 引言108

7.2 基于ε占优的外部存档更新策略108

7.2.1 ε占优的定义108

7.2.2 外部存档的更新109

7.3 动态邻居和改进的广义学习策略110

7.4 仿真实验及其分析111

7.4.1 检测函数及算法的参数设置111

7.4.2 收敛性和分布性仿真实验112

7.4.3 计算复杂度仿真实验118

7.5 几种策略在MOPSO中的应用118

7.5.1 正交初始化118

7.5.2 变异操作121

7.5.3 基于均匀设计的交叉操作124

7.5.4 仿真实验及其分析128

7.6 小结139

第三部分 算法应用篇143

第8章 改进粒子群算法的应用研究143

8.1 改进的粒子群算法在土壤水分运动曲线参数拟合中的应用143

8.1.1 相关研究143

8.1.2 Van Genuchten方程143

8.1.3 改进PSO求解Van Genuchten方程参数144

8.2 改进的PSO在CCMV投资组合模型中的应用147

8.2.1 基于均值-方差模型的CCMV模型148

8.2.2 CCMV模型的求解149

8.3 改进的粒子群算法在CVaR模型中的应用152

8.3.1 带有CVaR约束的投资组合模型152

8.3.2 模型求解及其分析154

8.4 基于MCPSO的模糊系统设计156

8.4.1 问题背景156

8.4.2 T-S模糊模型157

8.4.3 基于MCPSO的T-S模糊系统优化设计157

8.4.4 实例研究159

第四部分 结论与展望167

第9章 结论和对未来工作的展望167

9.1 结论167

9.2 未来工作展望169

参考文献170

附录A 无约束优化测试函数182

附录B 多目标优化测试函数183

附录C 约束优化测试函数186