离散粒子群优化算法及其应用

郭文忠, 陈国龙, 著

出版社：清华大学出版社

年代：2012

定价：45.0

书籍简介:

粒子群优化(particle swarm optimization, PSO)算法是由Eberhart博士和Kennedy博士于1995年提出的一种新型群智能优化算法。PSO算法最初是用于解决连续优化问题，研究也主要集中在连续函数方面，即其速度、加速度等变量都是连续的，它们的运算法则也是连续量的运算。然而许多实际的工程应用问题是离散的，变量是有限的，因而需要将基本PSO算法在二进制空间进行扩展，构造一种离散形式的PSO算法模型。本书是作者对PSO算法，特别是离散PSO算法的理论和应用研究的总结。故应该属于群智能领域，即人工智能领域的一个分支。

作者介绍:

郭文忠，1979年8月生，福建泉港人，博士，副教授，硕士生导师。2000年7月毕业于福州大学计算机科学与技术系，获学士学位；2003年3月毕业于福州大学计算机科学与技术系，获计算机应用技术专业硕士学位；2010年4月毕业于福州大学物理与信息工程学院，获通信与信息系统专业博士学位；2011年7月起在国防科学技术大学计算机学院师从苏金树教授开展博士后研究工作。自2002年1月起在福州大学任教，2010年破格晋升副教授并担任硕士生导师。现为福建省科学工程计算重点实验室副主任，福建省人工智能学会理事、副秘书长，福州大学先进计算及其应用创新团队学术骨干，曾担任Wireless Personal Communication、Soft Computing、EURASIP Journal on WireLess Communications and Networking、IET Circuits、Deoices&Systems等国际期刊的审稿专家。主要研究兴趣为计算智能及其应用。先后承担和参与了国家自然科学基金项目4项、“863”计划子课题1项、教育部科技重点项目2项、福建省自然科学基金重点项目1项、福建省科技创新平台1项，福建省自然科学基金项目3项以及福建省科技厅重点项目2项等近20项省部级及以上科研项目。申请国家发明专利1项，获得5项软件著作权，并获2008年度福建省科学技术进步三等奖1项和2008年度福州大学高等教育教学成果一等奖1项。先后在扬formation Sciences、Soft Computing、Sensors、Wireless Personal。Communication、Journal of Internet Technology、IET Communications.、《软件学报》、《计算机研究与发展》、《通信学报》、《计算机辅助设计与图形学学报》以及《模式识别与人工智能》等国内外学术刊物和国际会议上发表学术论文50多篇。陈国龙，1965年8月生，福建莆田人，博士，教授，博士生导师。1987年7月毕业于福州大学计算数学专业并获学士学位，毕业后留校任教，1992年获福州大学计算数学专业硕士学位，1998年9月考入西安交通大学计算机系统结构专业攻读博士学位，2002年毕业获得博士学位之后在国防科学技术大学计算机学院师从陈火旺院士做博士后研究工作，2007年1月完成博士后研究。2000年晋升副教授、硕士生导师，2005年破格晋升教授，2007年起担任博士生导师。现为福州大学科技处处长、福建省科学工程计算重点实验室主任、福州大学先进计算及其应用科技创新团队带头人、福建省计算机应用基础精品课程负责人、福州大学信息计算与网络教学团队负责人，兼任中国计算机学会理论计算机科学专业委员会委员、中国计算机学会电子商务与办公自动化专业委员会委员、中国运筹学会模糊信息与工程分会委员和福建省人工智能学会副理事长，2005年荣获“‘全球通’首届福建IT行业十大杰出青年”称号。曾担任IEEE-T-PDS、Soft Computing、J.Supercom，putzng、Wireless Personal Communication、《计算机学报》、《电子学报》、《计算机研究与发展》、《通信学报》等国内外刊物的审稿专家。主要研究兴趣为人工智能、网络与信息安全等。近年来，主持包括3项国家自然科学基金项目、1项国家科技部产学研科技项目、1项国家“863”计划项目、1项福建省产学研重大项目、1项福建省科技创新平台项目、1项教育部科技重点项目以及1项福建省自然科学基金重点项目在内的20多项省部级及其以上科研项目，并参与了包括2项科技部“973”计划项目和1项国家自然科学基金项目在内的10多项科研项目，2项成果鉴定结论为国内领先水平，申请国家发明专利1项，获得软件著作权5项，并获2008年度福建省科学技术进步三等奖1项和2008年度福州大学高等教育教学成果一等奖。先后在Information Sciences、Soft Computing、Sensors、AdHoc Networks、Wireless Personal Communication、Journal of Internet Technology、IET Communications、《软件学报》、《计算机研究与发展》、《通信学报》、《计算机辅助设计与图形学学报》以及《模式识别与人工智能》等国内外学术刊物和国际会议上发表学术论文80多篇。

书籍目录:

第1章绪论

1.1 引言

1.2 基本粒子群优化算法

1.2.1 粒子群优化算法的基本原理

1.2.2 基本粒子群优化算法模型

1.2.3 基本粒子群优化算法流程

1.2.4 参数分析与设置

1.3 粒子群优化算法的改进综述

1.3.1 基于惯性权值的改进

1.3.2 基于加速因子的改进

1.3.3 基于邻近群拓扑的改进

1-3.4 基于种群规模的改进

1.3.5 混合粒子群优化算法

1.4 粒子群优化算法的机理研究

1.5 粒子群优化算法的应用研究

1.6 离散粒子群优化算法

1.6.1 将速度作为位置变化的概率

1.6.2 直接将连续PSO用于离散问题的求解

1.6.3 重新定义PSO算法操作算子

1.7 DPSO算法应用

1.8 DPSO算法研究展望

参考文献

第2章在TSP问题中的应用

2.1 引言

2.2 求解TSP问题的自适应粒子群优化算法

2.2.1 离散PSO算法

2.2.2 求解TSP问题的PSO算法设计

2.2.3 惯性权值在离散PSO算法中的作用

2.2.4 实验结果与分析

2.3 求解TSP问题的动态领域PSO算法

2.3.1 相关概念

2.3.2 TSP问题的PSO操作

2.3.3 动态领域PSO算法的设计

2.3.4 实验结果及分析

2.4 求解TSP问题的PSO-ACO算法

2.4.1 模拟进化的蚁群算法

2.4.2 PSO-ACO算法的设计思想及总体框架

2.4.3 实验结果与分析

参考文献

第3章在多工作流调度中的应用

3.1 引言

3.2 问题描述

3.2.1 多目标优化问题

3.2.2 求解多目标优化问题的基本方法

3.3 多目标工作流调度问题

3.4 基于表现型共享的多目标粒子群优化算法

3.4.1 基于表现型共享的适应度函数

3.4.2 算法的基本模型

3.4.3 算法步骤

3.4.4 算例测试与结果分析

3.5 求解多目标工作流调度问题的离散粒子群优化算法

3.5.1 算法基本模型

3.5.2 算法主要步骤

3.5.3 实验结果

参考文献

第4章在多目标最小生成树问题中的应用

4.1 引言

4.2 问题模型

4.2.1 MST问题

4.2.2 mc-MST问题

4.3 改进的计数算法

4.4 求解mc-MST问题的NDPSO算法

4.4.1 粒子的编码机制

4.4.2 粒子的适应度函数

……

4.5 实验结果与分析

参考文献

第5章在入侵检测数据特征选择中的应用

5.1 引言

5.2 特征选择

5.3 基于pso和相关性分析的特征选择算法

5.4 基于pso和邻域约简模型的特征选择算法

5.5 基于pso和云模型的特征选择算法

参考文献

第6章在入侵检测系统中的应用

6.1 引言

6.2 基于连续粒子群分类算法的误用检测

6.3 基于否定选择算法的异常检测

参考文献

第7章在网络安全态势感知中的应用

7.1 引言

7.2 基于pso-fnn的安全态势感知要素提取算法

7.3 基于pso-bpnn的安全态势预测算法

7.4 网络安全系统中的组态势感知研究

参考文献

第8章在异构集群数据流分配中的应用

8.1 引言

8.2 数据流分配算法

8.3 基于pso的异构集群数据流自适应分配策略

8.4 动态联盟思想的引入

参考文献

第9章在wsn拓扑控制中的应用

9.1 引言

9.2 基于度约束最小生成树的wsn分布式拓扑控制

9.3 基于二连通的wsn拓扑控制方案

9.4 基于是-连通问题的wsn拓扑控制方案

参考文献

第10章在wsn任务调度中的应用

10.1 引言

10.2 任务调度相关概念

10.3 wsn任务分配动态联盟模型及其算法

10.4 带多agent的wsn自适应任务调度策略

10.5 基于串行联盟的动态任务分配算法

参考文献

第11章在vlsi物理设计中的应用

11.1 引言

11.2 vlsi设计概述

11.3 单目标电路划分的离散pso算法

11.4 单目标电路划分的混合pso算法

11.5 多目标电路划分的离散pso算法

11.6 解决布图规划的dpso算法

11.7 解决布图规划的多目标pso算法

11.8 解决布图规划的协同多目标pso算法

参考文献

内容摘要:

本书主要阐述离散粒子群优化(discrete particle swarm optimization, DPSO)算法的具体构建及其在各种组合优化问题中的应用等。全书分为11章，各章节内容具体安排如下：第1章主要介绍了基本PSO算法的原理机制及其发展现状，并着重介绍了PSO算法的三种常见离散化策略，阐述了DPSO算法的应用成果；第2章主要介绍了PSO算法在TSP优化问题中的应用；第3章介绍了一种基于表现型共享函数的多目标粒子群优化算法及其在多工作流调度问题中的应用；第4章介绍了一种求解多目标最小生成树问题的改进计数算法，并详细阐述了一种用于求解多目标最小生成树问题的新型DPSO算法的具体设计过程；第5章主要介绍了PSO算法在入侵检测数据特征选择中的应用；第6章重点阐述了PSO算法在入侵检测系统异常检测和误用检测中的具体应用；第7章分别阐述了PSO算法在网络安全态势感知中态势要素获取、理解以及预测等各步骤中的应用；第8章主要介绍了PSO算法在异构集群数据流分配问题中的应用；第9章主要讨论了无线传感器网络中基于PSO的拓扑生成及其容错拓扑控制机制，详细介绍了各种算法的具体设计过程；第10章重点阐述了基于PSO算法的无线传感器网络任务调度策略的设计；第11章分别阐述了PSO算法在超大规模集成电路物理设计中的电路划分和布图/布局规划优化问题中的具体应用。本书主要面向计算机科学、自动化科学、管理科学、控制科学等相关学科专业高年级本科生、研究生以及广大研究计算智能的科技工作者。

编辑推荐:

全书分为11章，各章节内容具体安排如下：第1章主要介绍了基本PSO算法的原理机制及其发展现状，并着重介绍了PSO算法的三种常见离散化策略，阐述了DPSO算法的应用成果；第2章主要介绍了PSO算法在TSP优化问题中的应用；第3章介绍了一种基于表现型共享函数的多目标粒子群优化算法及其在多工作流调度问题中的应用；第4章介绍了一种求解多目标*小生成树问题的改进计数算法，并详细阐述了一种用于求解多目标*小生成树问题的新型DPSO算法的具体设计过程；第5章主要介绍了PSO算法在入侵检测数据特征选择中的应用。

书籍规格:

书籍详细信息
书名	离散粒子群优化算法及其应用站内查询相似图书
	9787302283485 如需购买下载《离散粒子群优化算法及其应用》pdf扫描版电子书或查询更多相关信息，请直接复制isbn,搜索即可全网搜索该ISBN
出版地	北京	出版单位	清华大学出版社
版次	1版	印次	1
定价(元)	45.0	语种	简体中文
尺寸	26 × 19	装帧	平装
页数		印数	2000

全网搜索试读资源

书籍信息归属:

离散粒子群优化算法及其应用是清华大学出版社于2012.6出版的中图分类号为 O242.23 的主题关于最优化算法的书籍。