群智能算法及其应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

群智能算法及其应用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

目录1

前言1

第1章 绪论1

1.1 引言1

1.2 蚁群算法的基本原理2

1.3 粒子群优化算法基本原理6

1.4 蚁群算法理论研究现状10

1.5 蚁群算法应用研究现状12

1.6 粒子群优化算法研究现状13

1.7 粒子群算法应用研究现状15

第2章 求解整数规划的蚁群算法17

2.1 求解一般非线性整数规划的蚁群算法17

2.1.1 引言17

2.1.2 求解非线性整数规划的蚁群算法17

2.1.3 算例分析19

2.2 武器—目标分配问题的蚁群算法21

2.2.1 引言21

2.2.2 WTA问题21

2.2.3 武器—目标分配问题的蚁群算法22

2.2.4 仿真结果23

2.3.1 引言24

2.3.2 多处理机调度问题数学模型24

2.3 多处理机调度问题的蚁群算法24

2.3.3 解多处理机调度问题模拟退火算法25

2.3.4 解多处理机调度问题蚁群算法26

2.3.5 算法比较26

2.4 可靠性优化的蚁群算法28

2.4.1 引言28

2.4.2 最优冗余优化模型及解法28

2.4.4 可靠性优化的遗传算法29

2.4.3 可靠性优化的模拟退火算法29

2.4.5 可靠性优化的蚁群算法31

2.4.6 算例分析32

2.5 求解旅行商问题的多样信息素的蚁群算法34

2.5.1 信息素更新的3个模型34

2.5.2 多样信息素更新规则34

2.5.3 算法测试34

2.6 本章小结36

3.1 无约束非线性最优化问题38

3.2 连续优化问题的信息量分布函数方法38

第3章 连续优化问题的蚁群算法研究38

3.3 一种简单的连续优化问题的蚁群算法39

3.4 数值分析41

3.5 本章小结42

第4章 聚类问题的蚁群算法43

4.1 引言43

4.2 聚类问题的数学模型43

4.5 基于巡食思想的蚁群聚类算法44

4.4 解聚类问题的模拟退火算法44

4.3 K均值算法44

4.6 解聚类问题的新的蚁群算法及数值分析46

4.6.1 解聚类问题的蚁群算法46

4.6.2 数值分析46

4.7 解聚类问题的与K-均值算法混合的蚁群算法及数值分析48

4.7.1 解聚类问题的K-均值算法混合的蚁群算法48

4.7.2 数值分析48

4.8 本章小结49

5.2 解圆排列问题的蚁群模拟退火算法50

5.2.1 圆排列问题及与旅行商问题等价50

5.1 引言50

第5章 蚁群算法与模拟退火算法混合50

5.2.2 解旅行商问题的模拟退火算法51

5.2.3 几种算法的比较52

5.2.4 算例分析53

5.3 解旅行商问题的模拟退火蚁群算法54

5.3.1 混合的基本思想54

5.3.2 找邻域解策略55

5.3.3 模拟退火蚁群算法55

5.3.4 算法测试56

5.4 本章小结57

第6章 蚁群算法与遗传算法混合58

6.1 引言58

6.2 基本遗传算法58

6.3 蚁群算法与遗传算法的混合59

6.3.1 混合的基本思想59

6.3.2 变异操作59

6.3.3 交叉操作60

6.3.4 遗传蚁群算法60

6.4 算法测试61

6.5 本章小结62

7.3.1 混沌初始化63

7.3 基本蚁群算法改进63

第7章 蚁群算法与混沌理论混合63

7.2 混沌及运动特性63

7.1 引言63

7.3.2 选择较优解65

7.3.3 混沌扰动65

7.4 混沌蚁群算法66

7.5 算法测试66

7.6 本章小结68

8.2 最短路的蚁群算法收敛性分析69

8.1 引言69

第8章 最短路的蚁群算法收敛性分析69

8.3 仿真算例71

8.4 本章小结76

第9章 解连续性优化问题的粒子群优化算法77

9.1 模拟退火思想的粒子群算法77

9.1.1 几种模拟退火思想的粒子群算法77

9.1.2 算法测试78

9.2 混沌粒子群优化算法研究79

9.2.1 基本粒子群算法不足79

9.2.3 算法测试80

9.2.2 混沌粒子群优化算法80

9.3 其他改进的粒子群优化算法82

9.3.1 杂交PSO算法82

9.3.2 协同PSO算法83

9.3.3 离散PSO算法83

9.4 本章小结84

10.1.1 背包问题数学模型85

10.1.2 解0-1背包问题的混合粒子群算法85

10.1 背包问题的混合粒子群优化算法85

第10章 解组合优化问题的粒子群优化算法85

10.1.3 数值仿真与分析87

10.2 指派问题的交叉粒子群优化算法89

10.2.1 求解指派问题的交叉粒子群优化算法89

10.2.2 算法测试90

10.3 武器—目标分配问题的粒子群优化算法91

10.3.1 解武器—目标分配问题的粒子群优化算法91

10.3.2 算例分析92

10.4 流水作业调度问题的粒子群算法93

10.4.1 流水作业调度问题93

10.4.2 求解流水作业调度问题混合粒子群算法93

10.4.3 算法测试95

10.5 非线性整数规划的粒子群优化算法96

10.5.1 引言96

10.5.2 求解非线性整数规划的粒子群优化算法96

10.5.3 算例分析97

10.6 本章小结99

第11章 解聚类问题的粒子群算法100

11.1 引言100

11.2 整数规划形式100

11.3 连续性优化形式101

11.4 本章小结103

第12章 蚁群算法与粒子群优化算法的混合104

12.1 引言104

12.2 求解旅行商问题的混合粒子群优化算法104

12.2.1 混合粒子群算法思路104

12.2.2 变异操作和交叉操作104

12.2.3 混合粒子群算法步骤105

12.2.4 算法测试105

12.3.1 粒子群—蚁群算法思想108

12.3.2 粒子群—蚁群算法步骤108

12.3 求解旅行商问题的粒子群—蚁群算法108

12.3.3 算法测试109

12.4 本章小结111

第13章 粒子群优化算法收敛性分析112

13.1 引言112

13.2 PSO算法收敛性分析112

13.3 数值仿真114

13.4 参数选取117

13.5 本章小结117

14.2 鱼群算法基本原理118

第14章 鱼群算法118

14.1 引言118

14.3 人工鱼的行为描述119

14.4 鱼群算法的应用122

14.5 本章小结122

第15章 总结124

附录A 求解旅行商问题的蚁群基本算法源程序127

附录B 计算连续性函数的优化的粒子群程序131

附录C 求解旅行商问题的粒子群—蚁群算法的源程序134

参考文献143