《基於微生物行為機制的粒子群最佳化算法》是2015年1月華南理工大學出版社出版的圖書，作者是李榮鈞、劉小龍。
基本介紹
- 書名：基於微生物行為機制的粒子群最佳化算法
- 作者：李榮鈞、劉小龍
- ISBN：9787562345091
- 頁數：232頁
- 定價：38.00元
- 出版社：華南理工大學出版社
- 出版時間：2015年1月
- 裝幀：平裝
- 開本：16開
- 版次：1-1
- 字數：35.0萬字
- 責任編輯：張穎
內容簡介,圖書目錄,
內容簡介
本專著從微生物的行為特徵及生物學結構入手，深入探索細菌群體中個體與個體、個體與環境之間的信息傳遞與共享機制，系統分析大腸桿菌（E.Coli）趨向性行為、聚集行為、繁殖行為和遷徙行為的生物學原理，並將之嵌入粒子群最佳化算法中，形成微生物與高等生物相互依存的生物共生體系，最終構建基於主從式結構的多子群差分進化模型。
圖書目錄
第一章 引論
1.1 最佳化問題與最佳化方法
1.2 智慧型最佳化的基本思想和技術特徵
1.3 覓食理論和微生物智慧型仿生技術
1.4 NFL定理和標準測試函式
第二章 標準粒子群算法與細菌覓食算法
2.1 粒子群最佳化算法
2.1.1 粒子群最佳化算法的產生與發展
2.1.2 粒子群最佳化算法的基本原理與計算流程
2.1.3 粒子群最佳化算法存在的問題與改進途徑
2.2 細菌覓食算法
2.2.1 細菌覓食算法的仿生學基礎
2.2.2 細菌覓食算法的基本原理與計算流程
2.2.3 細菌覓食算法的主要運算元及其運算特徵
第三章 基於混沌變異的小生境粒子群最佳化算法
3.1 混沌理論
3.1.1 混沌現象的定義
3.1.2 混沌現象的特徵量
3.1.3 相空間重構方法
3.1.4 混沌理論在粒子群最佳化算法中的套用
3.2 遺傳算法
3.2.1 遺傳算法基本思想
3.2.2 編碼方法與遺傳運算元
3.2.3 遺傳算法的主要特性
3.2.4 遺傳算法流程與步驟
3.3 粒子群算法與遺傳算法及混沌算法的比較分析
3.3.1 粒子群算法與遺傳算法的比較分析
3.3.2 粒子群算法與混沌算法的比較分析
3.4 粒子群算法混沌初始化
3.4.1 混沌運動遍歷性的數學描述
3.4.2 粒子群算法混沌初始化程式
3.5 粒子群算法小生境進化策略
3.5.1 遺傳算法中的小生境技術比較分析
3.5.2 小生境進化策略在粒子群算法中的套用設計
3.6 粒子群算法參數設計
3.6.1 適應度函式選擇與尺度變換法則
3.6.2 學習因子實驗設計與慣性權重自適應調整策略
3.7 基於混沌變異的小生境粒子群最佳化算法設計
3.8 基於標準測試函式的算法實驗分析
第四章 基於群體協作的細菌覓食最佳化算法
4.1 高等生物的群體協作最佳化模型
4.1.1 群體協作最佳化建模的思想
4.1.2 群體協作最佳化模型的算法分析
4.2 基於環境感知的細菌覓食最佳化算法設計
4.2.1 算法基本思想
4.2.2 算法程式設計
4.2.3 算法數值實驗和結果討論
4.2.4 算法效果評價
4.3 基於協同效應的細菌覓食最佳化算法設計
4.3.1 算法基本思想
4.3.2 算法程式設計
4.3.3 算法數值實驗和結果討論
4.3.4 算法效果評價
第五章 基於生物進化的細菌覓食最佳化算法
5.1 生物進化理論的最佳化建模
5.1.1 生物進化的最佳化原理
5.1.2 生物進化的遺傳算法模型
5.1.3 生物進化算法的特性分析
5.2 基於差分進化的細菌覓食最佳化算法設計
5.2.1 算法基本思想
5.2.2 算法程式設計
5.2.3 算法數值實驗和結果討論
5.2.4 算法效果評價
5.3 基於免疫進化的細菌覓食最佳化算法設計
5.3.1 算法基本思想
5.3.2 算法程式設計
5.3.3 算法數值實驗和結果討論
5.3.4 算法效果評價
第六章 基於分布估計的細菌覓食最佳化算法
6.1 分布估計算法的原理與流程
6.1.1 分布估計算法的基本原理
6.1.2 分布估計算法的邏輯流程
6.1.3 分布估計算法的趨勢分析
6.2 基於高斯分布估計的細菌覓食最佳化算法設計
6.2.1 算法基本思想
6.2.2 算法程式設計
6.2.3 算法參數分析
6.2.4 算法數值實驗和結果討論
6.2.5 算法效果評價
6.3 基於菌落生態自由分布的細菌覓食最佳化算法設計
6.3.1 算法基本思想
6.3.2 算法程式設計
6.3.3 算法參數分析
6.3.4 算法數值實驗和結果討論
6.3.5 算法效果評價
第七章 基於微生物共生機制的粒子群最佳化算法
7.1 基於微生物寄生行為的雙種群PSO算法
7.1.1 生物寄生行為
7.1.2 PSOPB算法模型
7.1.3 測試函式
7.1.4 參數設定
7.1.5 結果分析
7.2 模擬生物理想自由分布模型的.PS（）算法
7.2.1 最優覓食理論
7.2.2 理想自由分布模型
7.2.3 IFDPS~）算法模型
7.2.4 IFDPS~）的流程
7.2.5 實驗參數設定
7.2.6 實驗結果分析
7.3 基於.Predator-Prey行為的雙種群PSO算法
7.3.1 引言
7.3.2 PPPSO算法模型
7.3.3 PPPSO計算流程
7.3.4 實驗參數設定
7.3.5 實驗結果分析
7.4 基於微生物群體感應的粒子群最佳化算法
7.4.1 微生物群體感應
7.4.2 PSOQS算法模型
7.4.3 實驗參數設定
7.4.4 實驗結果分析
7.4.5 群體感應頻率的實驗分析
7.4.6 群體感應種群規模的實驗分析
7.5 基於微生物寄生免疫的粒子群最佳化算法
7.5.1 寄生免疫機理分析
7.5.2 寄生免疫粒子群最佳化算法
7.5.3 免疫逃避粒子群最佳化算法
第八章 粒子群神經網路在電信業務預測中的套用
8.1 神經網路的基本屬性與存在的問題
8.2 粒子群算法與神經網路的結合方式
8.3 粒子群神經網路的拓撲結構與學習算法
8.3.1 粒子群神經網路的拓撲結構
8.3.2 粒子群神經網路的學習算法
8.4 粒子群神經網路的模型設計和算法程式
8.5 電信業務預測指標及其影響因素
8.6 電信業務樣本採集與數據統計分析
8.6.1 電信業務樣本採集
8.6.2 樣本數據統計分析
8.7 基於電信業務樣本的粒子群神經網路設計
8.7.1 粒子群神經網路拓撲結構與基本參數
8.7.2 粒子群神經網路訓練誤差
8.8 電信業務預測模型實驗結果的比較分析
8.8.1 電信業務的測試樣本
8.8.2 預測結果的比較分析
8.9 初步結論
附錄1 混沌變異小生境粒子群算法計算程式
附錄2 粒子群神經網路預測模型計算程式
附錄3 細菌覓食算法主程式
附錄4 群體感應粒子群算法計算程式
附錄5 寄生免疫粒子群算法計算程式
附錄6 免疫逃避粒子群算法計算程式
參考文獻
1.1 最佳化問題與最佳化方法
1.2 智慧型最佳化的基本思想和技術特徵
1.3 覓食理論和微生物智慧型仿生技術
1.4 NFL定理和標準測試函式
第二章 標準粒子群算法與細菌覓食算法
2.1 粒子群最佳化算法
2.1.1 粒子群最佳化算法的產生與發展
2.1.2 粒子群最佳化算法的基本原理與計算流程
2.1.3 粒子群最佳化算法存在的問題與改進途徑
2.2 細菌覓食算法
2.2.1 細菌覓食算法的仿生學基礎
2.2.2 細菌覓食算法的基本原理與計算流程
2.2.3 細菌覓食算法的主要運算元及其運算特徵
第三章 基於混沌變異的小生境粒子群最佳化算法
3.1 混沌理論
3.1.1 混沌現象的定義
3.1.2 混沌現象的特徵量
3.1.3 相空間重構方法
3.1.4 混沌理論在粒子群最佳化算法中的套用
3.2 遺傳算法
3.2.1 遺傳算法基本思想
3.2.2 編碼方法與遺傳運算元
3.2.3 遺傳算法的主要特性
3.2.4 遺傳算法流程與步驟
3.3 粒子群算法與遺傳算法及混沌算法的比較分析
3.3.1 粒子群算法與遺傳算法的比較分析
3.3.2 粒子群算法與混沌算法的比較分析
3.4 粒子群算法混沌初始化
3.4.1 混沌運動遍歷性的數學描述
3.4.2 粒子群算法混沌初始化程式
3.5 粒子群算法小生境進化策略
3.5.1 遺傳算法中的小生境技術比較分析
3.5.2 小生境進化策略在粒子群算法中的套用設計
3.6 粒子群算法參數設計
3.6.1 適應度函式選擇與尺度變換法則
3.6.2 學習因子實驗設計與慣性權重自適應調整策略
3.7 基於混沌變異的小生境粒子群最佳化算法設計
3.8 基於標準測試函式的算法實驗分析
第四章 基於群體協作的細菌覓食最佳化算法
4.1 高等生物的群體協作最佳化模型
4.1.1 群體協作最佳化建模的思想
4.1.2 群體協作最佳化模型的算法分析
4.2 基於環境感知的細菌覓食最佳化算法設計
4.2.1 算法基本思想
4.2.2 算法程式設計
4.2.3 算法數值實驗和結果討論
4.2.4 算法效果評價
4.3 基於協同效應的細菌覓食最佳化算法設計
4.3.1 算法基本思想
4.3.2 算法程式設計
4.3.3 算法數值實驗和結果討論
4.3.4 算法效果評價
第五章 基於生物進化的細菌覓食最佳化算法
5.1 生物進化理論的最佳化建模
5.1.1 生物進化的最佳化原理
5.1.2 生物進化的遺傳算法模型
5.1.3 生物進化算法的特性分析
5.2 基於差分進化的細菌覓食最佳化算法設計
5.2.1 算法基本思想
5.2.2 算法程式設計
5.2.3 算法數值實驗和結果討論
5.2.4 算法效果評價
5.3 基於免疫進化的細菌覓食最佳化算法設計
5.3.1 算法基本思想
5.3.2 算法程式設計
5.3.3 算法數值實驗和結果討論
5.3.4 算法效果評價
第六章 基於分布估計的細菌覓食最佳化算法
6.1 分布估計算法的原理與流程
6.1.1 分布估計算法的基本原理
6.1.2 分布估計算法的邏輯流程
6.1.3 分布估計算法的趨勢分析
6.2 基於高斯分布估計的細菌覓食最佳化算法設計
6.2.1 算法基本思想
6.2.2 算法程式設計
6.2.3 算法參數分析
6.2.4 算法數值實驗和結果討論
6.2.5 算法效果評價
6.3 基於菌落生態自由分布的細菌覓食最佳化算法設計
6.3.1 算法基本思想
6.3.2 算法程式設計
6.3.3 算法參數分析
6.3.4 算法數值實驗和結果討論
6.3.5 算法效果評價
第七章 基於微生物共生機制的粒子群最佳化算法
7.1 基於微生物寄生行為的雙種群PSO算法
7.1.1 生物寄生行為
7.1.2 PSOPB算法模型
7.1.3 測試函式
7.1.4 參數設定
7.1.5 結果分析
7.2 模擬生物理想自由分布模型的.PS（）算法
7.2.1 最優覓食理論
7.2.2 理想自由分布模型
7.2.3 IFDPS~）算法模型
7.2.4 IFDPS~）的流程
7.2.5 實驗參數設定
7.2.6 實驗結果分析
7.3 基於.Predator-Prey行為的雙種群PSO算法
7.3.1 引言
7.3.2 PPPSO算法模型
7.3.3 PPPSO計算流程
7.3.4 實驗參數設定
7.3.5 實驗結果分析
7.4 基於微生物群體感應的粒子群最佳化算法
7.4.1 微生物群體感應
7.4.2 PSOQS算法模型
7.4.3 實驗參數設定
7.4.4 實驗結果分析
7.4.5 群體感應頻率的實驗分析
7.4.6 群體感應種群規模的實驗分析
7.5 基於微生物寄生免疫的粒子群最佳化算法
7.5.1 寄生免疫機理分析
7.5.2 寄生免疫粒子群最佳化算法
7.5.3 免疫逃避粒子群最佳化算法
第八章 粒子群神經網路在電信業務預測中的套用
8.1 神經網路的基本屬性與存在的問題
8.2 粒子群算法與神經網路的結合方式
8.3 粒子群神經網路的拓撲結構與學習算法
8.3.1 粒子群神經網路的拓撲結構
8.3.2 粒子群神經網路的學習算法
8.4 粒子群神經網路的模型設計和算法程式
8.5 電信業務預測指標及其影響因素
8.6 電信業務樣本採集與數據統計分析
8.6.1 電信業務樣本採集
8.6.2 樣本數據統計分析
8.7 基於電信業務樣本的粒子群神經網路設計
8.7.1 粒子群神經網路拓撲結構與基本參數
8.7.2 粒子群神經網路訓練誤差
8.8 電信業務預測模型實驗結果的比較分析
8.8.1 電信業務的測試樣本
8.8.2 預測結果的比較分析
8.9 初步結論
附錄1 混沌變異小生境粒子群算法計算程式
附錄2 粒子群神經網路預測模型計算程式
附錄3 細菌覓食算法主程式
附錄4 群體感應粒子群算法計算程式
附錄5 寄生免疫粒子群算法計算程式
附錄6 免疫逃避粒子群算法計算程式
參考文獻
