协同进化遗传算法理论及应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

协同进化遗传算法理论及应用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1章 协同进化遗传算法入门1

1．1遗传算法1

遗传算法的运行机制1

遗传算法的提出与发展2

并行遗传算法3

1．2协同进化遗传算法4

协同进化遗传算法的提出4

协同进化遗传算法的思想5

竞争型协同进化遗传算法5

1．3合作型协同进化遗传算法6

合作型协同进化遗传算法的思想6

进化个体评价7

代表个体选择7

合作型协同进化遗传算法的研究9

合作型协同进化遗传算法存在的问题11

1．4本书主要内容12

1．5本章小结15

参考文献15

第2章 基于紧联结识别的协同进化种群分割17

2．1种群分割的必要性17

2．2基于概率模型的紧联结识别算法19

2．3基于紧联结识别的协同进化种群分割23

一次性紧联结识别协同进化种群分割23

进化紧联结识别协同进化种群分割24

2．4在多模态数值函数优化中的应用26

优化函数描述26

运行环境与参数设置28

运行结果比较与分析28

2．5本章小结30

参考文献31

第3章 协同进化种群搜索区域的动态变化32

3．1搜索区域动态变化的必要性32

3．2搜索区域动态变化34

搜索区域变化时机35

搜索区域变化策略35

3．3种群规模自适应调整36

种群规模调整策略36

新种群的生成36

算法步骤37

3．4算法性能分析37

3．5在多模态数值函数优化中的应用38

优化函数描述39

运行环境与参数设置39

停机准则40

运行结果比较与分析40

3．6本章小结42

参考文献43

第4章 协同进化遗传算法种群规模的动态变化44

4．1种群规模动态变化的必要性44

单种群遗传算法的变种群规模44

多种群遗传算法的变种群规模46

合作型协同进化遗传算法的计算复杂性47

种群规模动态变化的意义47

4．2基于二进制编码的搜索区域变焦48

4．3基于实数编码的搜索区域变焦49

进化子种群的表示50

子种群的进化能力50

搜索子空间的变焦51

4．4子种群规模动态变化52

代表个体的信用度52

算法步骤53

4．5在多模态数值函数优化中的应用53

被优化函数53

参数取值55

优化结果与分析56

4．6与第3章的比较57

4．7本章小结58

参考文献58

第5章 基于局域网并行实现的协同进化种群的代表个体选择60

5．1局域网并行实现的必要性60

5．2协同进化遗传算法的局域网并行实现61

5．3代表个体选择62

影响代表个体选择的因素62

代表个体选择方法63

子种群分布的多样性描述64

代表个体数量65

选择代表个体65

合作团体构成66

算法步骤67

5．4在多模态数值函数优化中的应用67

被优化函数67

计算资源的性能68

参数取值69

优化结果与分析69

5．5本章小结72

参考文献73

第6章 协同进化遗传算法网络实现的资源分配74

6．1资源分配的必要性74

6．2资源分配决策模型75

需要考虑的因素75

一些假设76

决策模型76

对模型的解释77

6．3决策模型求解78

6．4算例78

各子种群采用相同的遗传策略79

子种群分为多组，不同组采用不同的遗传策略80

各子种群均采用不同遗传策略82

6．5本章小结83

参考文献84

第7章 协同进化遗传算法的搜索空间分割85

7．1空间分割的必要性85

7．2算法思想及空间分割86

7．3种内及种间进化遗传算法87

种内进化遗传算法87

种间进化遗传算法88

新的进化子种群的生成89

7．4超级个体集合89

7．5算法复杂度分析90

7．6在多目标数值函数优化中的应用92

参数设置92

空间分割个数对Pareto边界的影响93

子空间划分形式对Pareto边界的影响94

种内进化策略对Pareto边界的影响94

超级个体的形成和更新策略对Pareto边界的影响95

种间进化对Pareto边界的影响96

7．7本章小结97

参考文献97

第8章 协同进化遗传算法在机器人路径规划中的应用99

8．1机器人路径规划99

传统路径规划方法99

智能路径规划方法100

8．2多机器人协调路径规划模型102

8．3多机器人协调路径规划的协同进化遗传算法求解105

递阶编码105

适应度函数107

遗传操作108

算法步骤108

8．4算例108

问题描述109

实验设置109

实验结果及性能分析109

8．5本章小结110

参考文献111

第9章 协同进化遗传算法在神经网络优化中的应用113

9．1神经网络优化113

传统训练算法114

基于遗传算法的神经网络设计115

9．2神经网络优化的协同进化遗传算法求解117

进化种群分割118

决策变量编码118

交叉操作120

变异操作120

基于启发式的神经网络结构优化121

适应度函数122

代表个体选择122

算法步骤122

9．3用于分类的神经网络优化123

问题描述123

实验设置124

实验结果及性能分析124

9．4本章小结126

参考文献126

第10章 协同进化遗传算法在群体决策中的应用128

10．1群体决策的必要性和难度128

10．2分布协同交互式遗传算法129

共享个体130

群体决策结果的评价133

类适应值替换133

10．3在服装进化设计系统中的应用134

实验设置134

实验结果及分析136

10．4本章小结137

参考文献138

附录 部分协同进化遗传算法源程序139

附录1 标准合作型协同进化遗传算法MATLAB源程序139

附录2 第8章机器人路径规划部分源程序146