粒子群算法及應(yīng)用

前言
第1章 緒論
1.1 最優(yōu)化問題
1.1.1 函數(shù)優(yōu)化問題與組合優(yōu)化問題
1.1.2 優(yōu)化算法的發(fā)展
1.2 幾種常見的啟發(fā)式算法
1.2.1 遺傳算法
1.2.2 模擬退火算法
1.2.3 人工神經(jīng)網(wǎng)絡(luò)
1.3 群體智能算法
1.3.1 蟻群算法
1.3.2 粒子群算法
1.4 粒子群算法的發(fā)展與應(yīng)用
1.4.1 粒子群算法的發(fā)展
1.4.2 粒子群算法的應(yīng)用
參考文獻
第2章 基本粒子群算法
2.1 引言
2.2 基本粒子群算法
2.3 帶慣性權(quán)重的粒子群算法
2.3.1 一般的慣性因子設(shè)計
2.3.2 基于模糊系統(tǒng)的慣性因子的動態(tài)調(diào)整
2.4 帶收縮因子的粒子群算法
2.5 與其他算法的異同
2.5.1 基于梯度的優(yōu)化算法
2.5.2 進化計算方法
2.5.3 蟻群算法
2.6 復(fù)雜度
2.6.1 復(fù)雜度的判定標(biāo)準(zhǔn)和基本概念
2.6.2 時空復(fù)雜度分析
參考文獻
第3章 粒子群算法的分析
3.1 一維空間軌跡
3.1.1 粒子群系統(tǒng)的簡化
3.1.2 單個粒子的軌跡
3.2 多維空間軌跡
3.2.1 區(qū)域特性
3.2.2 步長分析
3.3 代數(shù)分析
3.3.1 系統(tǒng)簡化
3.3.2 代數(shù)觀點
3.4 解析分析
3.5 差分方程分析
3.5.1 粒子運動軌跡的穩(wěn)定性分析
3.5.2 粒子運動軌跡的影響因素
3.5.3 粒子運動軌跡與算法收斂的關(guān)系
參考文獻
第4章 改進的粒子群算法及分析
4.1 離散粒子群優(yōu)化算法
4.1.1 二進制離散粒子群優(yōu)化算法
4.1.2 改進的二值離散粒子群優(yōu)化算法
4.1.3 離散量子粒子群優(yōu)化算法
4.1.4 模糊離散粒子群優(yōu)化算法
4.2 小生境粒子群優(yōu)化算法
4.2.1 小生境粒子群算法
4.2.2 基于聚類的小生境粒子群算法
4.2.3 種群小生境粒子群算法
4.3 混合粒子群優(yōu)化算法
4.3.1 基于遺傳思想改進粒子群算法
4.3.2 混沌粒子群優(yōu)化算法
4.3.3 基于模擬退火的粒子群優(yōu)化算法
4.4 其他粒子群改進算法
4.4.1 子矢量
4.4.2 子矢量的更新過程
4.4.3 參數(shù)分析
參考文獻
第5章 在函數(shù)優(yōu)化中的應(yīng)用
5.1 基準(zhǔn)測試函數(shù)
5.2 優(yōu)化測試函數(shù)的分類
5.2.1 無約束優(yōu)化測試函數(shù)
5.2.2 有約束優(yōu)化測試函數(shù)
5.2.3 極大極小優(yōu)化測試函數(shù)
5.2.4 多目標(biāo)優(yōu)化測試函數(shù)
5.3 智能單粒子算法優(yōu)化性能
參考文獻
第6章 在圖像壓縮中的應(yīng)用
6.1 矢量量化
6.2 常用的幾種矢量量化方法
6.2.1 K-means算法
6.2.2 模糊K-means算法
6.2.3 模糊矢量量化算法
6.2.4 FRLVQ算法
6.2.5 FRLVQ-FVQ算法
6.3 粒子對算法
6.3.1 粒子結(jié)構(gòu)
6.3.2 與傳統(tǒng)粒子群算法的差異
6.3.3 碼書更新過程
6.4 算法比較
參考文獻
第7章 在基因聚類中的應(yīng)用
7.1 基因芯片技術(shù)簡介
7.2 基因表達數(shù)據(jù)聚類分析
7.2.1 基因表達數(shù)據(jù)分析
7.2.2 聚類分析
7.3 基因表達數(shù)據(jù)聚類分析
7.3.1 聚類算法的分類
7.3.2 K-means聚類
7.3.3 層次聚類
7.3.4 自組織映射
7.3.5 改進型聚類算法
7.4 粒子對算法在基因聚類中的應(yīng)用
7.4.1 粒子結(jié)構(gòu)
7.4.2 聚類分析
7.4.3 聚類結(jié)果
7.5 基因聚類分析結(jié)果的評價標(biāo)準(zhǔn)
參考文獻
第8章 粒子群算法應(yīng)用綜述
8.1 優(yōu)化問題求解
8.1.1 約束優(yōu)化問題求解
8.1.2 規(guī)劃問題求解
8.1.3 離散空間組合優(yōu)化問題求解
8.2 工程設(shè)計與優(yōu)化領(lǐng)域
8.2.1 電路及濾波器設(shè)計
8.2.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練
8.2.3 控制器設(shè)計與優(yōu)化
8.2.4 RBF網(wǎng)絡(luò)優(yōu)化訓(xùn)練舉例
8.3 電力系統(tǒng)領(lǐng)域
8.3.1 電容器優(yōu)化配置
8.3.2 最優(yōu)潮流計算與無功優(yōu)化控制
8.3.3 機組優(yōu)化組合問題
8.3.4 電網(wǎng)擴展計劃
8.3.5 電力系統(tǒng)恢復(fù)
8.3.6 負(fù)荷經(jīng)濟分配及調(diào)度
8.3.7 狀態(tài)估計
8.3.8 參數(shù)辨識
8.3.9 優(yōu)化設(shè)計
8.3.10 OPF問題舉例
8.4 機器人控制領(lǐng)域
8.4.1 機器人控制與協(xié)調(diào)
8.4.2 移動機器人路徑規(guī)劃
8.5 交通運輸領(lǐng)域
8.5.1 車輛路徑問題
8.5.2 VRP問題舉例
8.5.3 交通控制
8.6 通信領(lǐng)域
8.6.1 路由選擇及移動通信基站布置優(yōu)化
8.6.2 天線陣列控制
8.6.3 偏振模色散補償
8.7 計算機領(lǐng)域
8.7.1 任務(wù)分配問題
8.7.2 數(shù)據(jù)分類
8.7.3 圖像處理
8.8 工業(yè)生產(chǎn)優(yōu)化領(lǐng)域
8.8.1 機械領(lǐng)域
8.8.2 化工領(lǐng)域
8.9 生物醫(yī)學(xué)領(lǐng)域
8.10 電磁學(xué)領(lǐng)域
參考文獻
附錄A 粒子對算法應(yīng)用于圖像矢量量化的源代碼
附錄B 智能單粒子優(yōu)化算法求解函數(shù)的源代碼
附錄C 23個基準(zhǔn)測試函數(shù)
附錄D 基因聚類常用軟件