面向機(jī)械系統(tǒng)優(yōu)化設(shè)計(jì)的微粒群算法

內(nèi)容概要

　　《面向機(jī)械系統(tǒng)優(yōu)化設(shè)計(jì)的微粒群算法》針對(duì)機(jī)械系統(tǒng)優(yōu)化問題中不同特點(diǎn)，對(duì)微粒群算法進(jìn)行改進(jìn)，提出了適用于不同機(jī)械系統(tǒng)優(yōu)化設(shè)計(jì)問題的求解方法。
　　《面向機(jī)械系統(tǒng)優(yōu)化設(shè)計(jì)的微粒群算法》分為7章，第1、2章分別介紹機(jī)械優(yōu)化設(shè)計(jì)和微粒群算法基本概念以及存在的問題；第3～6章分別針對(duì)非線性約束優(yōu)化問題、線性約束優(yōu)化問題、混合變量優(yōu)化問題以及目標(biāo)函數(shù)值計(jì)算費(fèi)時(shí)優(yōu)化問題提出了不同的改進(jìn)微粒群算法；第7章將部分改進(jìn)算法應(yīng)用于機(jī)械優(yōu)化設(shè)計(jì)實(shí)例中，為解決機(jī)械系統(tǒng)其他優(yōu)化問題提供了參考。
　　本書適合從事智能優(yōu)化算法研究的科技工作和機(jī)械工程技術(shù)人員閱讀使用，也可作為高等院校計(jì)算機(jī)科學(xué)與技術(shù)、機(jī)械工程等學(xué)科的高年級(jí)本科生以及研究生的學(xué)習(xí)參考書。

書籍目錄

前言
第1章 緒論
1.1 引言
1.2 機(jī)械優(yōu)化設(shè)計(jì)的數(shù)學(xué)模型
1.2.1 設(shè)計(jì)變量
1.2.2 約束條件
1.2.3 目標(biāo)函數(shù)
1.2.4 數(shù)學(xué)模型
1.3 機(jī)械優(yōu)化設(shè)計(jì)存在的主要問題
1.3.1 約束沖突問題
1.3.2 優(yōu)化算法的選擇問題
1.3.3 目標(biāo)函數(shù)計(jì)算費(fèi)時(shí)問題
1.4 本書的組織結(jié)構(gòu)
參考文獻(xiàn)
第2章 微粒群算法
2.1 微粒群算法的提出
2.2 標(biāo)準(zhǔn)微粒群算法
2.2.1 微粒群算法基本原理
2.2.2 標(biāo)準(zhǔn)微粒群算法的基本步驟
2.3 微粒群算法與其他智能優(yōu)化算法的比較
2.3.1 微粒群算法與遺傳算法比較
2.3.2 微粒群算法與蟻群算法比較
2.4 微粒群算法的研究現(xiàn)狀
2.5 微粒群算法在機(jī)械優(yōu)化設(shè)計(jì)中的應(yīng)用
2.5.1 應(yīng)用現(xiàn)狀
2.5.2 存在問題
2.6 本章小結(jié)
參考文獻(xiàn)
第3章 微粒群算法在非線性約束優(yōu)化問題中的應(yīng)用
3.1 非線性約束優(yōu)化問題
3.2 基于約束保持法的向量微粒群算法
3.2.1 初始可行種群的產(chǎn)生方法
3.2.2 向量微粒群算法
3.2.3 基于一維搜索約束保持法的向量微粒群算法
3.2.4 基于多維搜索約束保持法的向量微粒群算法
3.3 基于可行規(guī)則法的改進(jìn)微粒群算法
3.3.1 可行規(guī)則法
3.3.2 改進(jìn)的速度進(jìn)化模型Ⅰ
3.3.3 改進(jìn)微粒群算法Ⅰ（FRMPSOⅠ）
3.3.4 改進(jìn)的速度進(jìn)化模型Ⅱ
3.3.5 改進(jìn)微粒群算法Ⅱ（FRMPSOⅡ）
3.4 機(jī)械優(yōu)化設(shè)計(jì)應(yīng)用舉例
3.5 本章小結(jié)
參考文獻(xiàn)
第4章 微粒群算法在線性約束優(yōu)化問題中的應(yīng)用
4.1 線性約束優(yōu)化問題
4.2 基于約束保持法的PSO（CPPSO）對(duì)線性約束優(yōu)化問題的
求解原理
4.3 CPPSO算法的實(shí)現(xiàn)
4.4 仿真實(shí)驗(yàn)結(jié)果分析
4.5 本章小結(jié)
參考文獻(xiàn)
第5章 微粒群算法在混合變量約束優(yōu)化問題中的應(yīng)用
5.1 混合變量優(yōu)化問題
5.2 求解混合變量約束優(yōu)化問題的改進(jìn)微粒群算法Ⅰ
5.2.1 混合變量取值方式Ⅰ
5.2.2 改進(jìn)微粒群算法Ⅰ（MPSOⅠ）的偽代碼
5.2.3 機(jī)械優(yōu)化設(shè)計(jì)應(yīng)用舉例
5.3 求解混合變量約束優(yōu)化問題的改進(jìn)微粒群算法Ⅱ
5.3.1 混合變量取值方式Ⅱ
5.3.2 改進(jìn)微粒群算法Ⅱ（MPSOⅡ）的偽代碼
5.3.3 機(jī)械優(yōu)化設(shè)計(jì)應(yīng)用舉例
5.4 求解混合變量約束優(yōu)化問題的改進(jìn)微粒群算法Ⅲ
5.4.1 改進(jìn)微粒群算法Ⅲ（MPSOⅢ）的偽代碼
5.4.2 機(jī)械優(yōu)化設(shè)計(jì)應(yīng)用舉例
5.5 本章小結(jié)
參考文獻(xiàn)
第6章 具有預(yù)測(cè)機(jī)制的微粒群算法
6.1 問題的提出
6.2 算法思想
6.3 算法實(shí)現(xiàn)
6.4 實(shí)驗(yàn)結(jié)果分析
6.4.1 FESPSO對(duì)基準(zhǔn)函數(shù)的優(yōu)化
6.4.2 FESPSO對(duì)期望值模型的優(yōu)化
6.5 本章小結(jié)
參考文獻(xiàn)
第7章 機(jī)械優(yōu)化設(shè)計(jì)問題應(yīng)用實(shí)例
7.1 叉車轉(zhuǎn)向機(jī)構(gòu)優(yōu)化
7.2 橋式起重機(jī)主梁優(yōu)化
7.3 本章小結(jié)
參考文獻(xiàn)
附錄

章節(jié)摘錄

　　（4）離散PSO的研究 微粒群算法主要用于求解連續(xù)型優(yōu)化問題，但對(duì)于離散優(yōu)化問題而言，解空間是離散點(diǎn)的集合而非連續(xù)的區(qū)域，因此如何改進(jìn)微粒群算法使之能有效地求解離散型優(yōu)化問題是當(dāng)前學(xué)者們研究的另一個(gè)主要方向，常見的方法是對(duì)速度位置更新公式進(jìn)行修正或者對(duì)優(yōu)化問題進(jìn)行變形?？紤]到任何問題（連續(xù)或是離散的）都可以用二進(jìn)制來表示，因此Kennedy等提出了一種離散二進(jìn)制微粒群算法用以求解離散變量優(yōu)化問題，在該算法中，粒子每一維上的值都用0和1的組合來表示，粒子的速度通過一個(gè)Sigmoid函數(shù)轉(zhuǎn)化為區(qū)間[0，1]之間的值，速度分量決定了位置分量取1或0的概率，速度分量越大，則位置分量取1的概率就越大。該算法的提出使得微粒群算法的應(yīng)用范圍擴(kuò)展到了離散空間，特別是應(yīng)用到了一些組合優(yōu)化問題的求解問題上。受Kennedy等提出的離散微粒群算法的啟發(fā)，Shen等提出一種改進(jìn)的離散微粒群算法用于MLR和PLS模型的變量選取，在該算法中，速度直接是區(qū)間[0，1]的一個(gè)隨機(jī)值，通過三種方法判斷速度和預(yù)定義常數(shù)之間的大小關(guān)系，從而確定粒子的位置。Lu等提出的離散微粒群算法使用了一個(gè)信息共享矩陣，粒子通過存儲(chǔ)的信息進(jìn)行信息交換來求解組合優(yōu)化問題。針對(duì)TSP問題，M.Clerc引入新算子實(shí)現(xiàn)了一個(gè)具體的離散微粒群算法，在該算法中，每個(gè)粒子的位置是N個(gè)城市的一種排列，速度定義為置換列表，每個(gè)置換表示交換排列中的兩個(gè)城市，并在此基礎(chǔ)上，重新對(duì)運(yùn)算法則進(jìn)行了定義；王蒙等通過對(duì)微粒群算法優(yōu)化機(jī)理的分析，對(duì)微粒群算法速度和位置的更新方程進(jìn)行了重新定義，同時(shí)提出一種具有自適應(yīng)能力的慣性因子，使其適合解決TSP組合優(yōu)化問題；鐘一文等根據(jù)優(yōu)化問題及離散量的特點(diǎn)，同樣對(duì)微粒群算法速度和位置及其更新方程進(jìn)行，了重新定義，此外，為了抑制早熟停滯現(xiàn)象，為粒子和粒子群分別定義了個(gè)體多樣性和微觀多樣性，并定義排斥算子來保持微粒群的多樣性以及使用高效的學(xué)習(xí)算子以提高算法的局部求精能力。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    面向機(jī)械系統(tǒng)優(yōu)化設(shè)計(jì)的微粒群算法 PDF格式下載

---