《集群智慧型及其套用》是2019年6月科學出版社出版的圖書，作者是申海。
基本介紹
- 中文名：集群智慧型及其套用
- 作者：申海
- 類別：信息與系統科學相關工程與技術
- 出版社：科學出版社
- 出版時間：2019年6月
- ISBN：9787030542496
圖書簡介,圖書目錄,
圖書簡介
《集群智慧型及其套用》是作者在人工智慧領域集群智慧型研究方向十多年研究成果的系統總結，在總結目前國內外該研究方向發展現狀的基礎上，介紹集群智慧型算法的改進、套用研究及新研究方向。改進方面包括：基於最優方向引導的菌群算法和基於生物生命周期的群搜尋算法，以及基於單目標和多目標等 Benchmark最佳化問題的測試研究。套用研究方面包括：子群協作群搜尋算法及機械結構最佳化設計問題的套用研究、兩階段遺傳算法及車輛路徑問題的套用研究，以及自主進化算法及頻譜決策和頻譜分配問題的套用研究。最後著重介紹集群智慧型的新研究方向——集群動力學最佳化算法。
圖書目錄
- 前言
第一部分 集群智慧型最佳化算法概述
第1章 最佳化算法研究概述 3
1.1 最最佳化問題 3
1.2 最最佳化方法 3
1.2.1 確定性算法 5
1.2.2 隨機性算法 5
1.2.3 集群智慧型最佳化算法 6
1.3 各類最佳化方法特點 7
1.3.1 傳統最佳化方法特點 7
1.3.2 集群智慧型最佳化算法特點及優點 8
1.4 集群智慧型最佳化算法的研究、套用現狀及展望 10
1.4.1 算法改進研究 10
1.4.2 算法套用現狀 12
1.4.3 算法研究展望 13
參考文獻 14
第2章 集群智慧型最佳化算法 16
2.1 進化計算 16
2.1.1 遺傳算法 16
2.1.2 差分進化算法 18
2.1.3 文化算法 20
2.1.4 遺傳編程 22
2.1.5 進化策略 22
2.2 集群智慧型 23
2.2.1 粒子群最佳化算法 24
2.2.2 蟻群最佳化算法 26
2.2.3 菌群最佳化算法 27
2.2.4 人工蜂群算法 30
2.2.5 螢火蟲算法 33
2.2.6 人工魚群算法 35
2.3 其他算法 36
2.3.1 神經網路 36
2.3.2 人工免疫系統 37
2.3.3 DNA計算 38
2.3.4 膜計算 39
2.3.5 自組織遷移算法 39
2.4 集群智慧型算法集合 40
參考文獻 43
第二部分 算法改進研究
第3章 基於最優方向引導的菌群算法 47
3.1 細菌覓食最佳化算法 47
3.1.1 算法研究現狀 47
3.1.2 算法套用現狀 48
3.2 基於方向引導的菌群算法 49
3.2.1 群體覓食理論 49
3.2.2 細菌的群感應機制 50
3.2.3 基於方向引導的群感應機制 50
3.2.4 基於最優方向引導算法實現步驟 52
3.3 實驗研究及討論 53
3.3.1 單目標無約束測試函式 53
3.3.2 實驗研究及討論 58
參考文獻 61
第4章 生命周期群搜尋算法 63
4.1 算法生物學基礎 63
4.1.1 生命周期理論 63
4.1.2 混沌理論 67
4.2 基於生物生命周期群搜尋算法 68
4.2.1 算法描述 68
4.2.2 算法實現步驟 71
4.2.3 個體運動軌跡分析 71
4.3 約束最佳化問題 75
4.3.1 定義及說明 75
4.3.2 約束最佳化問題難點 76
4.3.3 單目標約束標準測試函式 76
4.4 約束最佳化問題實驗研究及討論 80
4.4.1 參數設定 80
4.4.2 算法離線性能分析 81
4.4.3 算法線上性能分析 84
4.5 多目標最佳化問題 85
4.5.1 多目標最佳化問題描述 85
4.5.2 多目標無約束測試函式 86
4.5.3 評價方法 87
4.6 求解多目標問題的生命周期群搜尋算法 88
4.6.1 多目標最佳化問題的主要求解算法 88
4.6.2 基於非支配排序的生命周期群搜尋算法 89
4.6.3 實驗研究及討論 91
參考文獻 93
第三部分 算法套用研究
第5章 機械結構最佳化設計研究 97
5.1 機械約束最佳化 97
5.1.1 Himmelblau’s函式 97
5.1.2 壓力容器 97
5.1.3 壓縮彈簧 98
5.1.4 焊接懸臂樑 99
5.2 標準群搜尋算法 100
5.2.1 信息分享 100
5.2.2 視覺掃描 100
5.2.3 算法描述及實現步驟 101
5.3 子群協作群搜尋算法 102
5.3.1 協作進化論 102
5.3.2 約束最佳化處理方法 103
5.3.3 子群協作群搜尋算法原理 104
5.4 實驗研究及討論 106
參考文獻 110
第6章 車輛路徑問題套用研究 112
6.1 車輛路徑問題 112
6.1.1 車輛路徑問題介紹 112
6.1.2 問題複雜性 113
6.1.3 帶容量約束的車輛路徑問題數學模型 114
6.1.4 帶時間窗車輛路徑問題描述 115
6.2 求解CVRP 的兩階段遺傳算法 115
6.2.1 算法描述 115
6.2.2 算法實現步驟 119
6.2.3 算法時間複雜度分析 119
6.2.4 實驗研究及討論：小規模測試實例 120
6.2.5 實驗研究及討論：中等規模及較大規模測試實例 123
6.3 求解VRPTW 的生命周期群搜尋算法 125
6.3.1 算法實現步驟 125
6.3.2 實驗研究及討論 126
參考文獻 129
第7章 認知無線電套用研究 130
7.1 認知無線電 130
7.2 認知引擎 132
7.2.1 認知引擎介紹 132
7.2.2 認知引擎AICE 134
7.3 集群智慧型在認知無線電中的套用 136
7.3.1 頻譜感知 136
7.3.2 頻譜分配 137
7.3.3 頻譜決策 138
7.4 最佳化問題1：頻譜分配 139
7.4.1 頻譜分配模型 139
7.4.2 圖論著色模型 139
7.4.3 頻譜分配最優效益函式 141
7.5 最佳化問題2：頻譜決策 141
7.5.1 最小化誤碼率函式 142
7.5.2 最小化能耗函式 143
7.5.3 最大化數據速率函式 143
7.5.4 最大化頻譜利用率函式 144
7.5.5 最小化頻譜干擾函式 144
7.5.6 多目標處理方法 145
7.6 自主進化計算 146
7.7 實驗研究及討論 146
7.7.1 頻譜決策問題 146
7.7.2 頻譜分配問題 150
參考文獻 152
第四部分 集群動力學最佳化算法
第8章 集群動力學模型 157
8.1 系統動力學 157
8.1.1 系統動力學原理 157
8.1.2 系統動力學模型 157
8.1.3 系統動力學建模步驟 158
8.2 種群動力學模型 159
8.2.1 單種群動力學模型 159
8.2.2 多種群動力學模型 160
8.3 動物集群行為動力學模型 162
8.3.1 Boid模型 162
8.3.2 Vicsek模型 164
8.4 複雜網路動力學 165
8.4.1 隨機網路 165
8.4.2 小世界網路 166
8.4.3 無標度網路 166
8.4.4 布爾網路 167
8.5 “引力/斥力”模型 168
8.5.1 A/R方法 169
8.5.2 擬態物理學方法 170
8.5.3 外部作用力 176
8.6 集群行為仿真模型及平台 177
8.6.1 仿真平台簡介 178
8.6.2 Swarm平台 179
8.6.3 元胞自動機 182
8.7 數學方程建模方法 185
8.7.1 拉格朗日法 185
8.7.2 歐拉法 185
參考文獻 188
第9章 複雜生物系統建模 190
9.1 複雜-生物-控制 190
9.1.1 複雜適應系統 190
9.1.2 複雜生物系統 191
9.1.3 複雜系統與控制論 192
9.1.4 維納控制論 193
9.1.5 智慧型感知單元 194
9.2 感知模型建模方法 195
9.3 感知範圍 197
9.3.1 全局感知範圍 197
9.3.2 有限感知範圍 197
9.3.3 正太分布有限感知模型 199
9.4 集群動力學最佳化算法設計方法 200
參考文獻 202
第10章 集群動力學最佳化算法舉例 203
10.1 種群規模自適應最佳化算法 203
10.1.1 種群自適應增加/刪除個體數目方法 203
10.1.2 外部環境影響 205
10.1.3 種群規模自適應粒子群最佳化算法描述 206
10.1.4 實驗研究及討論 206
10.2 基於生物覓食動力學的群智慧型最佳化算法 209
10.2.1 生物覓食動力學模型 209
10.2.2 生物覓食動力學最佳化算法原理 210
10.2.3 實驗研究及討論 211
參考文獻 216
附錄 217
附錄1 遺傳算法源碼 217
附錄2 差分進化算法源碼 219
附錄3 文化算法源碼 221
附錄4 粒子群最佳化算法源碼 224
附錄5 蟻群最佳化算法源碼 225
附錄6 菌群算法源碼 228
- 附錄
