微粒群優(yōu)化算法

內(nèi)容概要

　　微粒群算法是一種模擬動物群體社會行為的群智能優(yōu)化算法，現(xiàn)已成為自然計算的一個重要分支?！段⒘Ｈ簝?yōu)化算法》分為9章，第1、第2章介紹了微粒群算法的概念、基本方程以及相關(guān)社會行為分析等，并給出了一個較為詳細的綜述。第3～5章從生物學背景出發(fā)，分別從個體的覓食時間、覓食行為、覓食決策等方面探討了微粒群算法的改進模式。第6～8章的研究內(nèi)容則從控制角度出發(fā)探討微粒群算法的相關(guān)控制方式。在現(xiàn)實世界中，由于目標函數(shù)計算困難或計算時間較長等因素，許多復雜的優(yōu)化問?難以利用微粒群算法進行優(yōu)化。為此，第9章利用適應值預測方式來提高算法性能，從而為解決相關(guān)應用問題提供了參考。
　　《微粒群優(yōu)化算法》適合從事智能計算研究與應用的科技工作者和工程技術(shù)人員閱讀使用，也可作為高等院校計算機科學與技術(shù)、控制科學與工程等學科的高年級本科生及研究生的教學參考書。

書籍目錄

序
前言
第1章 緒論
1.1 問題的提出
1.2 智能計算概述
1.2.1 智能計算分類
1.2.2 智能計算原理
1.2.3 無免費午餐定理
1.3 常見的智能計算算法
1.3.1 人工神經(jīng)網(wǎng)絡
1.3.2 模糊邏輯
1.3.3 進化計算
1.3.4 人工免疫系統(tǒng)
1.4 人工生命
1.4.1 人工生命的概念
1.4.2 人工生命的基本思想
1.4.3 人工生命的研究內(nèi)容
1.5 群體智能
1.5.1 人工動物
1.5.2 群體智能
1.5.3 常見的群體智能算法
1.6 本書的篇章結(jié)構(gòu)
參考文獻
第2章 微粒群算法概要
2.1 標準微粒群算法
2.1.1 生物學背景
2.1.2 基本概念及進化方程
2.1.3 算法流程
2.1.4 社會行為分析
2.1.5 與其他進化算法的比?
2.2 微粒群算法的系統(tǒng)學特征
2.2.1 微粒群算法的系統(tǒng)觀點
2.2.2 算法的自組織性和涌現(xiàn)特性
2.2.3 微粒群算法的反饋控制機制
2.2.4 微粒群算法的分布式特點
2.3 參數(shù)選擇策略
2.3.1 慣性權(quán)重
2.3.2 認知系數(shù)與社會系數(shù)
2.3.3 其他參數(shù)的調(diào)整
2.4 常見的改進微粒群算法
2.5 微粒群算法的行為及收斂性分析
2.6 小結(jié)
參考文獻
第3章 微分進化微粒群算法
3.1 引言
3.2 微粒群算法的統(tǒng)一模型
3.2.1 統(tǒng)一模型
3.2.2 基于統(tǒng)一描述模型的pso算法進化行為分析
3.2.3 收斂性分析
3.3 標準微粒群算法的數(shù)值算法分析
3.3.1 標準微粒群算法的微分方程模型
3.3.2 生物學背景
3.3.3 常見的微分方程數(shù)值方法介紹
3.4 微分進化微粒群算法
3.4.1 基于不同數(shù)值計算方法的微分進化微粒群算法
3.4.2 參數(shù)的選擇
3.4.3 絕對穩(wěn)定性
3.4.4 步長九的選擇方式
3.4.5 算法流程
3.4.6 實例仿真
3.5 小結(jié)
參考文獻
第4章 模擬覓食行為的微粒群算法
4.1 最優(yōu)覓食微粒群算法
4.1.1 最優(yōu)覓?理論
4.1.2 速度更新方程
4.1.3 基于幾何速度穩(wěn)定性的參數(shù)選擇
4.1.4 仿真結(jié)果
4.2 食物引導的微粒群算法
4.2.1 內(nèi)部饑餓函數(shù)
4.2.2 算法思想
4.2.3 進化方程構(gòu)造
4.2.4 速度變異策略
4.2.5 算法步驟
4.2.6 實例仿真
4.3 風險效益微粒群算法
4.3.1 生物學基礎
4.3.2 進化方程
4.3.3 數(shù)值仿真
4.4 小結(jié)
參考文獻
第5章 基子決策思想的微粒群算法
5.1 引言
5.2 慣性權(quán)重的個性化選擇策略
5.2.1 類繁殖池策略
5.2.2 類fuss策略
5.2.3 類錦標賽策略
5.2.4 基于混沌思想的變異策略
5.2.5 隨機變異策略
5.2.6 數(shù)值仿真
5.3 利用個體決策歷史信息的微粒群算法
5.3.1 個體決策介紹
5.3.2 利用個體決策歷史信息的微粒群算法
5.3.3 數(shù)值仿真
5.3.4 基于小世界模型的個體決策微粒群算法
5.4 在非線性方程組求解的應用
5.4.1 非線性方程組及其等價優(yōu)化模型
5.4.2 仿真實驗
5.5 小結(jié)
參考文獻
第6章 帶控制器的微粒群算法
6.1 引言
6.2 標準微粒群算?的控制理論分析
6.3 積分控制微粒群算法
6.3.1 積分控制微粒群算法的進化方程
6.3.2 穩(wěn)定性分析
6.3.3 參數(shù)選擇
6.3.4 icpso算法流程
6.4 pid控制微粒群算法
6.4.1 pid控制微粒群算法的進化方程
6.4.2 基于支撐集理論的分析
6.4.3 基于穩(wěn)定性理論的分析
6.4.4 參數(shù)選擇
6.4.5 數(shù)值優(yōu)化仿真
6.5 帶控制器pso算法在混沌系統(tǒng)控制中的應用
6.5.1 混沌系統(tǒng)的控制問題描述
6.5.2 混沌系統(tǒng)控制的微粒群算法求解
6.6 小結(jié)
參考文獻
第7章 僚于多樣性控制的自組織微粒群算法
7.1 引言
7.2 自組織微粒群算法
7.2.1 群體多樣性測度
7.2.2 多樣性參考輸入的確定
7.2.3 多樣性控制器的設計
7.2.4 仿真實驗與結(jié)果分析
7.3 自組織微粒算法在約束布局優(yōu)化中的應用
7.3.1 約束布局優(yōu)化問題
7.3.2 求解約束布局優(yōu)化問題的自組織微粒群算法
7.3.3 實例應用及結(jié)果分析
7.4 小結(jié)
參考文獻
第8章 基子知識的協(xié)同微粒群算法
8.1 引言
8.2 基于知識的協(xié)同微粒群算法
8.2.1 基本概念
8.2.2 kcpso的模型結(jié)構(gòu)
8.2.3 知識集的定義
8.2.4 kcpso的行為控制
8.2.5 kcpso算法的流程
8.3 算法的收斂性分析
8.3.1 隨機優(yōu)化算法全局和局部收斂的判據(jù)
8.3.2 kcpso收斂性
8.4 仿真實驗與分析
8.5 小結(jié)
參考文獻
第9章 微粒群算法的適應值預測策略
9.1 引言
9.2 常見的適應值預測方法
9.2.1 多項式模型
9.2.2 kriging模型
9.2.3 神經(jīng)網(wǎng)絡模型
9.2.4 支持向量機模型
9.3 基于適應值的加權(quán)平均預測
9.3.1 適應值預測策略
9.3.2 算法思想
9.3.3 兩種預測公式
9.3.4 預測的比例討論
9.3.5 算法流程
9.3.6 基于適應值預測的隨機期望值模型求解
9.4 基于可信度的預測
9.4.1可信度介紹
9.4.2 基于式(9.19)的可信度預測
9.4.3 基于式(9.20)的可信度預測
9.4.4 預測個體的比例分析
9.4.5 基于適應值預測的隨機機會約束規(guī)劃求解
9.5 小結(jié)
參考文獻
附錄a 微粒群算法及群體智能的圖書與特刊
附錄b 典型測試函數(shù)
附錄c 標準微粒群算法的matlab程序源代碼

章節(jié)摘錄

版權(quán)頁：插圖：決策從不同的角度劃分有以下幾種情況：從決策結(jié)果的預測程度來看，有確定性決策和不確定性決策；從決策主體來看，有個體決策與群體決策。決策有許多要素構(gòu)成，包括問題、決策者、決策環(huán)境、決策過程以及決策結(jié)果本身。與其他行為一樣，決策行為也受到個人特性的影響，決策者的人格特質(zhì)、智力水平、生理因素都會影響到?jīng)Q策行為。決策發(fā)生在復雜的環(huán)境中，而環(huán)境與行為過程及行為后果之間又會相互作用，相互影響，總的來說，社會環(huán)境的影響更為重要。例如，個人得到自己所作決策質(zhì)量的信息，他人的評價反饋都會影響到個體決策結(jié)果。一般來說，評價一項決策的好壞，其標準分為效率和效果兩類。決策效率是指人們?yōu)闆Q策進行的投入與產(chǎn)出的相對比例，決策效果指的是決策能夠解決問題的程度。5.3.1.2理性個體決策個體決策[25]就是決策主題發(fā)揮自己的主觀能動作用，充分考慮對象的內(nèi)容、要求和特征，通過對決策信息的掌握，對決策原則的把握，綜合各方面因素，實施決策權(quán)，最終作出滿意決策的過程。在個體決策中，通常有理性和有限理性的定義。所謂理性[26]就是在具體的限制條件下作出穩(wěn)定的、價值最大化的選擇。本章主要考慮理性個體決策。理性個體決策可以分為以下步驟[27]：第1步認識問題所在，實際生活當中的問題并不是顯而易見的擺在眼前，常常需要決策者敏銳地發(fā)掘問題所在；第2步確定決策標準，一旦決策者界定了問題，接下來就需要確定哪些因素與決策主題有關(guān)；第3步給各項標準分配權(quán)重，要求決策者權(quán)衡決策標準，并按照重要性程度排列出這些決策標準的次序；第4步開發(fā)所有可行性方案，要求決策者列舉出解決問題的所有可能方案；第5步評估被選方案，決策者根據(jù)自己的決策標準來分析和評價每一種方案；第6步作出選擇。理性的決策者需要創(chuàng)造性，也就是說，產(chǎn)生新穎且實效的想法的能力。因為這樣決策者可以更全面地評定和理解問題，包括看到其他人沒有看到的問題，創(chuàng)造性更明顯的價值還在于幫助決策者找出所有的可行的備選方案。個體的創(chuàng)造性主要需要三個方面的要素：專業(yè)知識、思維技能和內(nèi)在的任務動機。研究表明，這三項要素中任何一項水平越高，則個體的創(chuàng)造性越高。

編輯推薦

《微粒群優(yōu)化算法》是由科學出版社出版的。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    微粒群優(yōu)化算法 PDF格式下載

---