《群體智慧型算法及其套用》是2015年電子工業出版社出版的圖書，作者是王培崇。
基本介紹
- 中文名：群體智慧型算法及其套用
- 作者：王培崇
- 出版時間：2015年06月
- 出版社：電子工業出版社
- ISBN：9787121260483
- 字 數：275千
內容簡介,目 錄,
內容簡介
本書以人工魚群算法、煙花爆炸最佳化算法兩個典型的群體智慧型算法為主，系統介紹了算法的原理，建立了基於協作、競爭機制的群體智慧型算法的數學模型。全書著重分析了人工魚群算法和煙花爆炸最佳化算法的弱點，並提出了多種新穎的改進機制，給出了算法的詳細實現步驟。本書還詳細探討了部分群體智慧型算法在VRP問題、圖像邊緣檢測、SVM反問題、網路態勢預測、數據聚類、特徵選擇等領域內的套用，並介紹了近年來出現的兩個比較新穎的群體智慧型算法，顧問引導搜尋算法和教—學最佳化算法。
目 錄
第1章 群體智慧型算法概述 1
1.1 群體智慧型算法的特點 1
1.1.1 智慧型性 1
1.1.2 隱含本質並行性 2
1.1.3 解的近似性 2
1.2 群體智慧型算法的計算模式 2
1.2.1 社會協作機制 3
1.2.2 自我適應機制 3
1.2.3 競爭機制 4
1.3 遺傳算法 4
1.3.1 標準遺傳算法原理 5
1.3.2 編碼機制與主要運算元 7
1.4 差異演化算法 8
1.5 粒子群算法 10
1.5.1 粒子群算法的原理 10
1.5.2 PSO算法的計算模型 11
1.6 教—學最佳化算法 13
1.7 顧問引導搜尋算法 13
1.8 本章小結 15
參考文獻 16
第2章 人工魚群算法 18
2.1 人工魚群算法的數學模型 18
2.2 人工魚群算法的收斂性分析 21
2.2.1 常用距離 21
2.2.2 基於Markfov鏈技術的收斂性分析 22
2.2.3 基於壓縮映射定理的收斂性分析 25
2.3 人工魚群算法的相關研究 26
2.3.1 參數的改進 27
2.3.2 與其他智慧型算法的融合 28
2.3.3 其他的改進方法 29
2.4 本章小結 32
參考文獻 32
第3章 人工魚群算法的改進研究 34
3.1 小生境人工魚群算法 34
3.1.1 小生境技術 34
3.1.2 算法實現 36
3.1.3 算法的收斂性 36
3.1.4 仿真實驗與分析 38
3.1.5 結論 40
3.2 自適應人工魚群算法 40
3.2.1 參數自適應機制 40
3.2.2 算法實現 42
3.2.3 仿真實驗與分析 42
3.2.4 結論 44
3.3 基於種群分類的人工魚群算法 44
3.3.1 種群分類思想及設定 45
3.3.2 算法實現 46
3.3.3 仿真實驗與分析 47
3.3.4 結論 50
3.4 混和反向學習人工魚群算法 50
3.4.1 反向學習 50
3.4.2 佳點集 51
3.4.3 人工魚群算法的改進機制 51
3.4.4 仿真實驗與分析 54
3.4.5 結論 59
3.5 精英競爭人工魚群算法 59
3.5.1 基於動態隨機搜尋的精英訓練 59
3.5.2 算法實現 60
3.5.3 仿真實驗與分析 61
3.5.4 結論 67
3.6 隨機遊走人工魚群算法 67
3.6.1 Lévy Flight機制 67
3.6.2 算法改進思想 68
3.6.3 算法實現 69
3.6.4 仿真實驗與分析 70
3.6.5 結論 72
3.7 混合群搜尋人工魚群算法 73
3.7.1 標準群搜尋最佳化算法 73
3.7.2 群搜尋最佳化算法的改進 75
3.7.3 混合群搜尋人工魚群算法 77
3.7.4 仿真實驗與分析 78
3.7.5 結論 81
3.8 本章小結 81
參考文獻 82
第4章 煙花爆炸最佳化算法及改進 83
4.1 煙花爆炸最佳化算法 83
4.2 混沌煙花爆炸最佳化算法 86
4.2.1 混沌搜尋算法 86
4.2.2 算法實現 87
4.2.3 仿真實驗與分析 87
4.2.4 結論 91
4.3 混合動態搜尋煙花爆炸最佳化算法 91
4.3.1 算法實現 91
4.3.2 仿真實驗與分析 92
4.3.3 結論 96
4.4 混合反向學習煙花爆炸最佳化算法 96
4.4.1 精英反向學習 96
4.4.2 基於模擬退火機制的種群選擇 97
4.4.3 算法實現 97
4.4.4 仿真實驗與分析 98
4.4.5 結論 102
4.5 隨機遊走煙花爆炸最佳化算法 102
4.5.1 基於隨機遊走機制的變異運算元 103
4.5.2 基於Boltzmann 子個體選擇 103
4.5.3 算法實現 104
4.5.4 仿真實驗與分析 105
4.5.5 結論 109
4.6 本章小結 109
參考文獻 109
第5章 群體智慧型算法的套用 110
5.1 物流配送中的車輛調度問題 110
5.1.1 問題的提出 110
5.1.2 組合最佳化 111
5.1.3 車輛調度問題的數學模型 111
5.1.4 求解VRP的混合人工魚群遺傳算法 112
5.1.5 仿真實驗結果 113
5.2 求解SVM反問題的差異演化算法 113
5.2.1 問題的提出 113
5.2.2 差異演化算法的設計 114
5.2.3 差異演化算法的改進 114
5.2.4 仿真實驗結果 116
5.3 求解聚類問題的人工魚群算法 118
5.3.1 聚類模型 118
5.3.2 算法的設計 119
5.3.3 算法實現 120
5.3.4 仿真實驗結果 121
5.4 求解測試用例自動化問題的人工魚群算法 123
5.4.1 路徑測試模型 123
5.4.2 混沌搜尋 125
5.4.3 算法的設計 125
5.4.4 仿真實驗結果 127
5.5 求解關聯規則挖掘的差異演化算法 129
5.5.1 規則挖掘 129
5.5.2 算法的設計 131
5.5.3 仿真實驗結果 133
5.6 求解特徵選擇的人工魚群算法 136
5.6.1 特徵選擇 136
5.6.2 算法的設計 136
5.6.3 仿真實驗結果 137
5.7 求解網路安全態勢預測的人工魚群算法 139
5.7.1 網路安全態勢預測模型 140
5.7.2 算法的設計 141
5.7.3 仿真實驗結果 143
5.8 求解圖像邊緣檢測的遺傳算法 146
5.8.1 數字圖像邊緣 146
5.8.2 Sobel邊緣檢測運算元 148
5.8.3 面向圖像邊緣檢測的遺傳算法 149
5.8.4 仿真實驗結果 151
5.8.5 結論 155
5.9 本章小結 155
參考文獻 157
第6章 總結與展望 159
