元启发式优化算法

前言

第1章 绪论

1.1 引言

1.2 国内外研究概况

1.3 本书的研究内容

第2章 元启发式算法的相关概念

2.1 最优化问题及其分类

2.2 局部最优与全局最优

2.3 计算复杂性

2.4 启发式算法

2.5 元启发式算法的优化模式

2.6 优化算法的评价

第3章 蚁群优化

3.1 生物背景

3.2 蚁群优化模型

3.3 基本算法：蚂蚁系统

3.4 其他算法

3.5 处理连续问题

3.6 收敛性分析

3.7 应用概述

3.8 小结

第4章 粒子群优化

4.1 生物背景

4.2 粒子群优化模型

4.3 基本算法

4.4 两种参数配置方式

4.5 受关注的若干改进

4.6 处理离散问题

4.7 应用概述

4.8 小结

第5章 微正则退火算法及其应用

5.1 微正则退火算法

5.2 TSP实例仿真

5.3 三种改进策略

5.4 基于微正则退火的频率分配方法

5.5 小结

第6章 增强型参考位置的粒子群优化模型

6.1 模型描述

6.2 测试函数

6.3 确定性的参数配置

6.4 具有随机扰动的参数配置

6.5 小结

第7章 共享适应值的小生境粒子群优化

7.1 小生境在遗传算法中的应用

7.1.1 排挤小生境模型

7.2 小生境在粒子群优化中应用

7.3 ShPSO模型

7.4 实验结果分析

7.5 小结

第8章 基于两阶段策略的粒子群优化

8.1 两阶段策略设计

8.2 实验设计

8.3 实验结果

8.4 小结

附录1 TSP实例的节点坐标

附录2 核心源程序

参考文献

元启发式优化算法通过模拟自然现象为解决复杂问题提供了崭新的思路和手段。《博士论丛 元启发式优化算法：理论阐释与应用》主要介绍两类元启发式优化算法：第一类是群体智能算法，包括蚁群优化和粒子群优化两种仿生算法；第二类是微正则退火算法，它借鉴物理学相关原理，改进了传统模拟退火机制。借助仿真手段，《博士论丛 元启发式优化算法：理论阐释与应用》着重研究了上述元启发式优化算法的若干改进策略及应用，主要内容涉及元启发式优化算法的产生背景及相关概念，蚁群优化与粒子群优化的研究现状、基本算法及改进方法，微正则退火算法的原理、改进策略及应用实例，基于增强型参考位置的粒子群优化算法，基于共享适应值的小生境粒子群优化算法，两阶段粒子群优化算法等。
　　《博士论丛 元启发式优化算法：理论阐释与应用》内容取材新颖，面向应用，通过翔实的仿真数据，介绍了各个算法的参数控制和运算过程，为读者利用该算法解决实际问题提供有益启示。《博士论丛 元启发式优化算法：理论阐释与应用》可作为管理科学、控制科学、计算机科学等专业高年级本科生、研究生、教师和其他专业技术人员的参考书。