微粒群算法

第1章绪论
1.1最优化问题
1.1.1局部优化算法
1.1.2全局优化算法
1.1.3无免费午餐定理
1.2进化计算
1.2.1进行算法的一般框架
1.2.2遗传算法
1.2.3进化策略
1.2.4进化规划
1.2.5遗传程序设计
1.3群体智能算法
1.3.1蚁群算法
1.3.2微粒群算法
1.4微粒群算法的发展
1.4.1微粒群算法综述
1.4.2微粒群算法的研究方向
第2章基本微粒群算法
2.1引言
2.2基本微粒群算法
2.2.1算法原理
2.2.2算法流程
2.3基本微粒群算法的社会行为分析
2.3.1与其他进化算法的比较
2.3.2两种基本进化模型
2.4带惯性权重的微粒群算法
第3章改进的微粒群算法
3.1对基本微粒群算法进化方程的改进
3.1.1基本微粒群算法分析
3.1.2带有惯性因子的改进微粒群算法
3.1.3带有收缩因子的微粒群算法
3.2基于遗传思想改进微粒群算法
3.2.1利用选择的方法
3.2.2借鉴杂交的方法
3.3利用小生境思想所做的改进
3.3.1基于动态邻域的改进微粒群算法
3.3.2基本的邻域结构
3.3.3一种保证种群多样性的微粒群算法
3.4利用收敛性分析所做的改进
3.4.1保证收敛的改进微粒群算法
3.4.2保证全局收敛的随机微粒群算法
3.5离散变量的微粒群算法
3.5.1二进制编码的微粒群算法
3.5.2混合编码的微粒群算法
3.5.3整数空间的微粒群算法
3.5.4求解旅行商问题的微粒群算法
第4章微粒群算法的行为分析
4.1基于离散时间线性系统理论的分析
4.2微粒群算法的代数分析
4.3微粒群算法的解析分析
4.4微粒群算法的状态空间模型
第5章微粒群算法的收敛性分析
5.1随机算法的收敛准则
5.2基本微粒群算法的收敛性分析
5.3其他改进微粒群算法的收敛性分析
第6章微粒群算法的实验设计与参数选择
6.1典型实验函数
6.1.1无约束优化测试函数
6.1.2多目标优化测试函数
6.1.3约束优化测试函数
6.1.4极小极大化测试函数
6.2设计微粒群算法的基本原则与步骤
6.2.1设计PSO算法的基本原则
6.2.2PSO算法的设计步骤
6.2.3PSO算法的伪码描述
6.3几种典型的PSO模型及其参数选择
6.3.1简单微粒群算法模型
6.3.2引入惯性权重系数的PSO模型
6.3.3引入收缩因子的PSO模型
6.3.4经典PSO算法模型
第7章人工神经网络的优化
7.1人工神经网络
7.1.1人工神经网络的基本概念
7.1.2前馈神经网络
7.1.3网络的泛化能力
7.1.4神经网络结构设计
7.2进化计算用于神经网络的优化
7.3用PSO算法优化神经网络
7.3.1训练神经网络的PSO算法的设计
7.3.2算法的评价及分析
7.4协同PSO算法优化神经网络
7.4.1协同PSO算法
7.4.2协同PSO算法优化神经网络应用实例
第8章微粒群算法在函数优化中的应用
8.1使用函数“Stretching”技术的PSO算法
8.1.1函数“Stretching”技术
8.1.2StretchedPSO算法(SPSO)
8.2基于PSO算法求解多目标优化问题
8.2.1多目标优化问题的基本概念
8.2.2求解多目标优化问题的PSO算法
8.3用PSO算法求解约束优化问题
8.3.1约束优化问题
8.3.2非固定多段映射罚函数法
8.3.3求解CO的PSO算法
8.4PSO算法在最大最小优化问题中的应用
8.5PSO算法在整数规划问题中的应用
8.6使用PSO算法寻找多峰函数的最小点
附录1标准微粒群算法源程序
附录2随机微粒群算法源程序
参考文献