《粒子群最佳化算法與多目標最佳化》是2013年北京理工大學出版社出版的圖書，作者是潘峰、李位星。
基本介紹
- 書名：粒子群最佳化算法與多目標最佳化
- 作者：潘峰 李位星
- 出版社：北京理工大學出版社
- 出版時間：2013年8月1日
- 頁數：210 頁
- 開本：16 開
- ISBN：9787564077112
- 外文名：Particle Swarm Optimizer and Multi-Object Optimization
- 語種：簡體中文
圖書目錄,內容簡介,作者簡介,
圖書目錄
第1章緒論
1.1引言
1.2最最佳化問題
1.2.1局部最佳化和全局最佳化
1.2.2無免費午餐定理
1.3群體智慧型概述
1.3.1群智慧型的基本原則與特點
1.3.2蟻群算法
1.3.3粒子群最佳化算法
1.4粒子群最佳化算法的現狀及其套用
1.4.1PSO算法的理論分析
1.4.2PSO的改進策略
1.4.3PSO套用現狀
1.5小結
第2章粒子群最佳化算法概述
2.1隨機搜尋算法的基本框架
2.2基本粒子群算法的形式化描述
2.3粒子群算法的數學模型
2.3.1帶慣性權重的PSO模型
2.3.2帶收縮係數的PSO模型
2.3.3Bare Bones Particle Swarm模型
2.3.4混合型PSO模型
2.3.5P Approximate Kalman Swarm（PAKS）模型
2.3.6FIPS模型
2.3.7PSO連續模型
2.4粒子群算法的拓撲結構
2.4.1靜態鄰居拓撲結構
2.4.2動態鄰居拓撲結構
2.5粒子群算法的評價指標
2.5.1準確性
2.5.2可靠性
2.5.3魯棒性
2.5.4多樣性
2.6多樣性研究
2.6.1多樣性的定義
2.6.2群體多樣性的歸一化
2.6.3粒子群最佳化算法的早熟收斂
2.7小結
第3章粒子群最佳化算法特性分析
3.1PSO的Gbest模型分析
3.2PSO的Pbest模型分析
3.3標準PSO單信息最大搜尋空間描述
3.4標準PSO與BBPS相似性分析
3.4.1單信息最大搜尋空間的描述分析
3.4.2初始位置向量階乘衰減因子分析
3.4.3初始速度向量的加權參數分析
3.4.4標準PSo與BBPS的相似性討論
3.5參數在機率意義下的遺忘特性
3.6小結
第4章標準PSO的採樣分布分析和粒子軌跡分析
4.1標準PSO的採樣分布分析和停滯時的收斂性分析
4.1.1計算E的動態方程
4.1.2計算E和Dev的動態方程
4.1.3帶隨機性粒子的穩定性分析
4.2粒子運動軌跡的位置分析
4.3小結
第5章標準PSID算法的穩定性分析
5.1常係數PSO動態系統
5.2時變PSO動態系統
5.3驗證實驗
5.3.1慣量因子協調粒子群最佳化算法
5.3.2加速因子協調粒子群最佳化算法
5.3.3協調粒子群最佳化算法全局收斂性
5.4小結
第6章標準PSO算法的馬爾科夫鏈分析
6.1標準PSO算法單個粒子馬氏鏈分析
6.2PSO群體馬氏鏈分析
6.3PSO各參數對其最佳化效果的影響分析
6.3.1群體規模的影響
6.3.2慣性權重ω的影響
6.3.3PSO加速度因子c的影響
6.4標準PSO算法以一定機率搜尋到全局最優解
6.5小結
第7章單目標粒子群最佳化算法
7.1基於拓撲結構的粒子群改進算法
7.2基於數學模型的粒子群改進算法
7.3混合粒子群最佳化算法
7.3.1基於遺傳算法的粒子群最佳化算法
7.3.2基於模擬退火算法的粒子群最佳化算法
7.3.3基於混沌最佳化思想的混沌粒子群最佳化算法（CPSO）
7.3.4基於PSO與混合蛙跳融合的群體智慧型算法
7.4基於多群體的粒子群最佳化算法
7.4.1引入禁忌搜尋的雙群體粒子群算法（TSBBPSO）
7.4.2縱向參數多子群粒子群算法
7.4.3基於可拓學的多群體粒子群最佳化算法
7.4.4自適應雙群粒子群最佳化算法
7.4.5基於信息擴散機制的雙子群粒子群最佳化算法
7.5小結
第8章多目標粒子群最佳化算法
8.1多目標最佳化問題
8.1.1多目標最佳化問題的發展
8.1.2多目標最佳化問題數學模型和基本概念
8.1.3多目標最佳化問題的基準函式及性能指標
8.1.4多目標最佳化方法分類
8.2MOPSO的分類
8.2.1根據不同的選擇機制
8.2.2根據不同的決策機制
8.3密度度量與多樣性保持
8.4性能度量
8.5小結
第9章多目標粒子群算法的改進
9.1自適應檔案格線MOPSO（CMOPSO）
9.2多目標全面學習粒子群最佳化算法（MOCLPSO）
9.3基於距離的PSO改進算法（DISMOPSO）
9.4小結
參考文獻
內容簡介
《粒子群最佳化算法與多目標最佳化》從算法背景、算法理論、算法求解單目標和多目標問題等方面介紹了粒子群最佳化算法。全書共9章，主要內容包括：緒論、粒子群最佳化算法概述、粒子群最佳化算法特性分析、標準PSO的採樣分布分析和粒子軌跡分析、標準PSO算法的穩定性分析、標準PSO算法的馬爾科夫鏈分析、單目標粒子群最佳化算法、多目標粒子群最佳化算法、多目標粒子群算法的改進。
《粒子群最佳化算法與多目標最佳化》取材新穎，覆蓋面較廣，深入淺出，注重理論與實驗相結合，不僅適用於初學者，也可作為高等學校及科研院所電子信息、自動化、計算機、信息科學等相關專業的研究生和高年級本科生的專業參考書，還可供相關教師和工程技術人員參考。
粒子群最佳化算法與多目標最佳化
作者簡介
潘峰，男，1978年6月生。雲南昆明人，博士。2000年和2005年在北京理工大學自動控制系和自動化學院分別獲得學士和博士學位，畢業後，留校任教，2007年在Indiana UniVersity-Purdue University Indianapolis大學從事博士後研究一年，2009年晉升副教授。現擔任中國人工智慧學會理事。《自動化學報》《計算機學報》《電子學報》《控制理論與套用》等多家國內著名期刊評審。主要研究興趣為：智慧型最佳化計算與非傳統計算、複雜動態系統建模與最佳化控制等。先後承擔國家自然科學基金1項、多項國防預研項目及橫向合作項目、獲省部級科研三等獎兩項、發表論文三十餘篇、發明專利四項。
