微粒群优化算法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

微粒群优化算法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 绪论1

1.1问题的提出1

1.2智能计算概述2

1.2.1智能计算分类2

1.2.2智能计算原理3

1.2.3无免费午餐定理4

1.3常见的智能计算算法5

1.3.1人工神经网络5

1.3.2模糊逻辑6

1.3.3进化计算7

1.3.4人工免疫系统8

1.4人工生命9

1.4.1人工生命的概念9

1.4.2人工生命的基本思想10

1.4.3人工生命的研究内容11

1.5群体智能12

1.5.1人工动物12

1.5.2群体智能15

1.5.3常见的群体智能算法16

1.6本书的篇章结构21

参考文献22

第2章 微粒群算法概要25

2.1标准微粒群算法25

2.1.1生物学背景25

2.1.2基本概念及进化方程26

2.1.3算法流程28

2.1.4社会行为分析28

2.1.5与其他进化算法的比较29

2.2微粒群算法的系统学特征30

2.2.1微粒群算法的系统观点30

2.2.2算法的自组织性和涌现特性30

2.2.3微粒群算法的反馈控制机制32

2.2.4微粒群算法的分布式特点33

2.3参数选择策略33

2.3.1惯性权重33

2.3.2认知系数与社会系数35

2.3.3其他参数的调整35

2.4常见的改进微粒群算法36

2.5微粒群算法的行为及收敛性分析37

2.6小结38

参考文献39

第3章 微分进化微粒群算法46

3.1引言46

3.2微粒群算法的统一模型46

3.2.1统一模型46

3.2.2基于统一描述模型的PSO算法进化行为分析47

3.2.3收敛性分析49

3.3标准微粒群算法的数值算法分析50

3.3.1标准微粒群算法的微分方程模型50

3.3.2生物学背景50

3.3.3常见的微分方程数值方法介绍51

3.4微分进化微粒群算法53

3.4.1基于不同数值计算方法的微分进化微粒群算法54

3.4.2参数的选择55

3.4.3绝对稳定性56

3.4.4步长h的选择方式57

3.4.5算法流程60

3.4.6实例仿真60

3.5小结62

参考文献63

第4章 模拟觅食行为的微粒群算法65

4.1最优觅食微粒群算法65

4.1.1最优觅食理论65

4.1.2速度更新方程66

4.1.3基于几何速度稳定性的参数选择67

4.1.4仿真结果69

4.2食物引导的微粒群算法70

4.2.1内部饥饿函数70

4.2.2算法思想71

4.2.3进化方程构造71

4.2.4速度变异策略72

4.2.5算法步骤72

4.2.6实例仿真73

4.3风险效益微粒群算法76

4.3.1生物学基础76

4.3.2进化方程76

4.3.3数值仿真77

4.4小结78

参考文献78

第5章 基于决策思想的微粒群算法81

5.1引言81

5.2惯性权重的个性化选择策略82

5.2.1类繁殖池策略83

5.2.2类FUSS策略84

5.2.3类锦标赛策略84

5.2.4基于混沌思想的变异策略85

5.2.5随机变异策略86

5.2.6数值仿真86

5.3利用个体决策历史信息的微粒群算法88

5.3.1个体决策介绍88

5.3.2利用个体决策历史信息的微粒群算法90

5.3.3数值仿真94

5.3.4基于小世界模型的个体决策微粒群算法95

5.4在非线性方程组求解的应用100

5.4.1非线性方程组及其等价优化模型101

5.4.2仿真实验102

5.5小结103

参考文献104

第6章 带控制器的微粒群算法108

6.1引言108

6.2标准微粒群算法的控制理论分析109

6.3积分控制微粒群算法110

6.3.1积分控制微粒群算法的进化方程110

6.3.2稳定性分析112

6.3.3参数选择113

6.3.4 ICPSO算法流程113

6.4 PID控制微粒群算法114

6.4.1 PID控制微粒群算法的进化方程114

6.4.2基于支撑集理论的分析115

6.4.3基于稳定性理论的分析121

6.4.4参数选择122

6.4.5数值优化仿真124

6.5带控制器PSO算法在混沌系统控制中的应用126

6.5.1混沌系统的控制问题描述126

6.5.2混沌系统控制的微粒群算法求解127

6.6小结127

参考文献128

第7章 基于多样性控制的自组织微粒群算法131

7.1引言131

7.2自组织微粒群算法132

7.2.1群体多样性测度132

7.2.2多样性参考输入的确定134

7.2.3多样性控制器的设计135

7.2.4仿真实验与结果分析136

7.3自组织微粒算法在约束布局优化中的应用138

7.3.1约束布局优化问题138

7.3.2求解约束布局优化问题的自组织微粒群算法139

7.3.3实例应用及结果分析140

7.4小结141

参考文献142

第8章 基于知识的协同微粒群算法144

8.1引言144

8.2基于知识的协同微粒群算法146

8.2.1基本概念146

8.2.2 KCPSO的模型结构146

8.2.3知识集的定义147

8.2.4 KCPSO的行为控制151

8.2.5 KCPSO算法的流程153

8.3算法的收敛性分析153

8.3.1随机优化算法全局和局部收敛的判据154

8.3.2 KCPSO收敛性155

8.4仿真实验与分析159

8.5小结160

参考文献161

第9章 微粒群算法的适应值预测策略163

9.1引言163

9.2常见的适应值预测方法164

9.2.1多项式模型164

9.2.2 Kriging模型165

9.2.3神经网络模型166

9.2.4支持向量机模型166

9.3基于适应值的加权平均预测168

9.3.1适应值预测策略168

9.3.2算法思想168

9.3.3两种预测公式170

9.3.4预测的比例讨论172

9.3.5算法流程172

9.3.6基于适应值预测的随机期望值模型求解173

9.4基于可信度的预测175

9.4.1可信度介绍175

9.4.2基于式（9.19）的可信度预测176

9.4.3基于式（9.20）的可信度预测178

9.4.4预测个体的比例分析180

9.4.5基于适应值预测的随机机会约束规划求解181

9.5小结183

参考文献183

附录A微粒群算法及群体智能的图书与特刊186

附录B典型测试函数188

附录C标准微粒群算法的Matlab程序源代码200