自适应粒子群优化算法及其应用

第1章 绪论

1.1 引言

1.2 优化问题

1.2.1 局部优化方法

1.2.2 全局优化的特点与困难

1.3 群智能算法

1.3.1 粒子群算法

1.3.2 蚁群算法

1.3.3 人工鱼群算法

1.3.4 布谷鸟搜索算法

1.3.5 萤火虫算法

参考文献

第2章 自适应粒子群优化算法模型

2.1 基本粒子群优化算法

2.1.1 粒子群优化原理

2.1.2 粒子群优化流程

2.1.3 粒子群局部模型与全局模型

2.2 粒子群优化算法分析

2.2.1 粒子群优化模型分析

2.2.2 粒子群的惯性权重分析

2.2.3 粒子群优化算法行为分析

2.3 自适应粒子群优化模型

2.3.1 粒子群的早熟收敛

2.3.2 粒子群的多样性量度

2.3.3 自适应优化策略

2.3.4 自适应粒子群优化

参考文献

第3章 随机自适应粒子群优化算法

3.1 背包问题

3.2 搜索空间及其转换

3.2.1 等值变换与异值变换

3.2.2 变换序列

3.3 随机自适应粒子群优化算法模型

3.3.1 随机惯性权重

3.3.2 早熟收敛及其处理

3.3.3 RIWAPSO算法构造

3.3.4 实验结果及其分析

3.4 其他背包问题求解

参考文献

第4章 自适应启发式粒子群优化算法

4.1 旅行商问题

4.2 自适应启发式搜索

4.2.1 启发式搜索策略

4.2.2 2opt算法

4.3 自适应启发式粒子群优化算法模型

4.3.1 交换子和交换序列

4.3.2 粒子速度和位置

4.3.3 AHPSO算法构造

4.3.4 实验结果及其分析

参考文献

第5章 自适应广义粒子群优化算法

5.1 广义粒子群优化思想

5.2 下料问题

5.2.1 下料问题数学模型

5.2.2 下料问题解编码方案

5.2.3 下料模式

5.3 自适应广义粒子群优化算法模型

5.3.1 模拟退火算法

5.3.2 修补算法

5.3.3 AGPSO算法实现

5.3.4 启发式改进策略

5.4 实验结果及其分析

5.4.1 单规格一维下料问题

5.4.2 多规格一维下料问题

参考文献

第6章 自适应耗散粒子群优化算法

6.1 耗散结构

6.2 耗散粒子群优化

6.3 自适应耗散粒子群优化算法模型

6.3.1 种群聚集度

6.3.2 自适应变异

6.3.3 算法构造

6.3.4 实验结果及其分析

参考文献

第7章 自适应动态粒子群优化算法

7.1 热力学系统与熵增原理

7.1.1 热力学系统及其平衡态

7.1.2 熵和熵增原理

7.1.3 自由能极小化原理

7.2 自适应动态粒子群优化算法模型

7.2.1 粒子动态选择策略

7.2.2 自适应搜索策略

7.2.3 ADPSO算法构造

7.2.4 实验结果及其分析

参考文献

附录A 按Pisinger算法构造的KP1算例

附录B 按Pisinger算法构造的KP2算例

附录C 按Pisinger算法构造的KP3算例

附录D KP4算例

粒子群优化算法是一种基于群智能的全局随机搜索算法，在信息技术、工业工程、管理工程等诸多领域已得到广泛应用，但对于粒子群优化的算法理论分析、与机器学习和其他优化策略的结合，以及在组合优化、生物信息、图像处理等诸多领域的研究与应用依然有待深入探索。例如针对不同组合优化问题解空间的特性，如何设计粒子的速度和位置迭代？面对高维多峰函数优化如何避免算法陷入局部最优？如何在算法运行后期保持群体的多样性？面对不同复杂优化问题，如何进行自适应调整？引入各种改进策略之后，如何分析算法的收敛性和寻优效率？等等。本书在介绍了粒子群优化算法基本原理的基础上，针对标准粒子群优化算法存在的缺点，阐述了粒子群算法的自适应优化策略，给出其具体改进方法或提出新的计算模型，使之更为有效，重点研究了粒子群优化算法在组合优化问题中的应用。本书适合运筹与管理、人工智能、计算数学、计算机科学、系统科学、自动化等相关学科专业高年级本科生、研究生参阅，亦可供从事计算智能研究与应用的科研人员和工程技术人员参考。