群智慧型算法作為一種新興的演化計算技術，已成為越來越多研究者的關注焦點，它與人工生命，特別是進化策略以及遺傳算法有著極為特殊的聯繫。群智慧型理論研究領域主要有兩種算法：蟻群算法和粒子群最佳化算法。蟻群算法是對螞蟻群落食物採集過程的模擬，已成功套用於許多離散最佳化問題。粒子群最佳化算法也是起源於對簡單社會系統的模擬，最初是模擬鳥群覓食的過程，但後來發現它是一種很好的最佳化工具。
基本介紹
內容簡介,圖書目錄,
內容簡介
本書系統地描述了蟻群算法和粒子群最佳化算法的理論和實現技術及其套用，簡單地介紹了魚群算法。本書著重強調各種算法的混合，討論了蟻群算法與模擬退火算法的混合、蟻群算法與遺傳算法的混合、蟻群算法與混沌理論混合、模擬退火算法、遺傳算法與粒子群最佳化算法混合、混沌理論與粒子群最佳化算法的混合以及蟻群算法與粒子群最佳化算法的混合。書中還討論了群智慧型算法在旅行商問題、武器一目標分配問題、多處理機調度問題、可靠性最佳化問題、聚類問題、作業調度問題等方面的套用。
本書可作為信息類的高年級本科生、碩士生、博士生以及廣大研究智慧型算法的科技工作者的參考書。
圖書目錄
前言
第1章緒論
1．1 引言
1．2 蟻群算法的基本原理
1．3 粒子群最佳化算法基本原理
1．4 蟻群算法理論研究現狀
1．5 蟻群算法套用研究現狀
1．6 粒子群最佳化算法研究現狀
1．7 粒子群算法套用研究現狀
第2章 求解整數規劃的蟻群算法
2．1 求解一般非線性整數規劃的蟻群算法
2．1．1 引言
2．1．2 求解非線性整數規劃的蟻群算法
2．1．3 算例分析
2．2 武器—目標分配問題的蟻群算法
2．2．1 引言
2．2．2 WTA問題
2．2．3 武器—目標分配問題的蟻群算法
2．2．4 仿真結果j
2．3 多處理機調度問題的蟻群算法
2．3．1 引言
2．3．2 多處理機調度問題數學模型
2．3．3 解多處理機調度問題模擬退火算法
2．3．4 解多處理機調度問題蟻群算法
2．3．5 算法比較
2．4 可靠性最佳化的蟻群算法
2．4．1 引言
2．4．2 最優冗餘最佳化模型及解法
2．4．3 可靠性最佳化的模擬退火算法
2．4．4 可靠性最佳化的遺傳算法
2．4．5 可靠性最佳化的蟻群算法
2．4．6 算例分析
2．5 求解旅行商問題的多樣信息素的蟻群算法
2．5．1 信息素更新的3個模型
2．5．2 多樣信息素更新規則
2．5．3 算法測試
2．6 本章小結
第3章 連續最佳化問題的蟻群算法研究
3．1 無約束非線性最最佳化問題
3．2 連續最佳化問題的信息量分布函式方法
3．3 一種簡單的連續最佳化問題的蟻群算法
3．4 數值分析
3．5 本章小結
第4章 聚類問題的蟻群算法
4．1 引言
4．2 聚類問題的數學模型
4．3 K均值算法
4．4 解聚類問題的模擬退火算法
4．5 基於巡食思想的蟻群聚類算法
4．6 解聚類問題的新的蟻群算法及數值分析
4．6．1 解聚類問題的蟻群算法
4．6．2 數值分析
4．7 解聚類問題的與K-均值算法混合的蟻群算法及數值分析
4．7．1 解聚類問題的K-均值算法混合的蟻群算法
4．7．2 數值分析
4．8 本章小結
第5章 蟻群算法與模擬退火算法混合
5．1 引言
5．2 解圓排列問題的蟻群模擬退火算法
5．2．1 圓排列問題及與旅行商問題等價
5．2．2 解旅行商問題的模擬退火算法
5．2．3 幾種算法的比較
5．2．4 算例分析
5．3 解旅行商問題的模擬退火蟻群算法
5．3．1 混合的基本思想
5．3．2 找鄰域解策略
5．3．3 模擬退火蟻群算法
5．3．4 算法測試
5．4 本章小結
第6章 蟻群算法與遺傳算法混合
6．1 引言
6．2 基本遺傳算法
6．3 蟻群算法與遺傳算法的混合
6．3．1 混合的基本思想
6．3．2 變異操作
6．3．3 交叉操作
6．3．4 遺傳蟻群算法
6．4 算法測試
6．5本章小結
第7章 蟻群算法與混沌理論混合
7．1 引言
7．2 混沌及運動特性
7．3 基本蟻群算法改進
7．3．1 混沌初始化
7．3．2 選擇較優解
7．3．3 混沌擾動
7．4 混沌蟻群算法
7．5 算法測試
7．6 本章小結
第8章 最短路的蟻群算法收斂性分析
8．1 引言
8．2 最短路的蟻群算法收斂性分析
8．3 仿真算例
8．4 本章小結
第9章 解連續性最佳化問題的粒子群最佳化算法
9．1 模擬退火思想的粒子群算法
9．1．1 幾種模擬退火思想的粒子群算法
9．1．2 算法測試
9．2 混沌粒子群最佳化算法研究
9．2．1 基本粒子群算法不足
9．2．2 混沌粒子群最佳化算法
9．2．3 算法測試
9．3 其他改進的粒子群最佳化算法
9．3．1 雜交PSO算法
9．3．2 協同PSO算法
9．3．3 離散PSO算法
9．4．本章小結
第10章 解組合最佳化問題的粒子群最佳化算法
10．1 背包問題的混合粒子群最佳化算法
10．1．1 背包問題數學模型
10．1．2 解0-1背包問題的混合粒子群算法
10．1．3 數值仿真與分析
10．2 指派問題的交叉粒子群最佳化算法
10．2．1 求解指派問題的交叉粒子群最佳化算法
10．2．2 算法測試
10．3 武器—目標分配問題的粒子群最佳化算法
10．3．1 解武器—目標分配問題的粒子群最佳化算法
10．3．2 算例分析
10．4 流水作業調度問題的粒子群算法
10．4．1 流水作業調度問題
10．4．2 求解流水作業調度問題混合粒子群算法
10．4．3 算法測試
10．5 非線性整數規劃的粒子群最佳化算法
10．5．1 引言
10．5．2 求解非線性整數規劃的粒子群最佳化算法
10．5．3 算例分析
10．6 本章小結
第11章 解聚類問題的粒子群算法
l1．1 引言
11．2 整數規劃形式
1l．3 連續性最佳化形式
11．4 本章小結
第12章 蟻群算法與粒子群最佳化算法的混合
12．1 引言
12．2 求解旅行商問題的混合粒子群最佳化算法
12．2．1 混合粒子群算法思路
12．2．2 變異操作和交叉操作
12．2．3 混合粒子群算法步驟
12．2．4 算法測試
12．3 求解旅行商問題的粒子群—蟻群算法
12．3．1 粒子群—蟻群算法思想
12．3．2 粒子群—蟻群算法步驟
12．3．3 算法測試
12．4 本章小結
第13章 粒子群最佳化算法收斂性分析
13．1 引言
13．2 PSO算法收斂性分析
13．3 數值仿真
13．4 參數選取
13．5 本章小結
第14章 魚群算法
14．1 引言
14．2 魚群算法基本原理
14．3 人工魚的行為描述
14．4 魚群算法的套用
14．5 本章小結
第15章 總結
附錄A 求解旅行商問題的蟻群基本算法源程式
附錄B 計算連續性函式的最佳化的粒子群程式
附錄C 求解旅行商問題的粒子群—蟻群算法的源程式
參考文獻
