人工蜂群算法及其应用

序
前言
第 1章绪论 1
1.1 最优化问题与最优化方法 1
1.1.1 优化的概念与数学模型 1
1.1.2 最优化问题与方法的分类 3
1.1.3 最优化问题的复杂性及 NP理论 4
1.2 最优化算法的研究与发展 5
1.3 群体智能优化算法概述 7
1.4 几种群体智能优化算法简介 8
1.4.1 标准遗传算法 8
1.4.2 粒子群算法 10
1.4.3 蚁群算法 12
1.4.4 人工鱼群算法 14
1.5 人工蜂群算法研究与应用概述 16
1.5.1 人工蜂群算法的提出与改进 16
1.5.2 人工蜂群算法与其他算法的融合 19
1.5.3 人工蜂群算法在多领域中的应用 21
1.5.4 人工蜂群算法总结 29
1.6 本章小结 30 参考文献 30
第 2章基本人工蜂群算法 47
2.1 人工蜂群算法基本概念 47
2.2 人工蜂群算法实现步骤 53
2.3 人工蜂群算法搜索策略分析 56
2.4 应用实例：基本测试函数的优化 56
2.5 人工蜂群算法的特点及参数设置 57
2.6 MATLAB程序设计 58
2.7 本章小结 62
参考文献 63
第 3章人工蜂群算法的性能分析与改进 66
3.1 人工蜂群算法收敛性证明 66
3.1.1 人工蜂群算法的 Markov链模型 66
3.1.2 人工蜂群算法收敛性证明 68
3.2 人工蜂群算法参数对优化结果的影响分析 71
3.3 整数人工蜂群算法 72
3.3.1 整数优化的人工蜂群算法 72
3.3.2 实验结果与分析 72
3.4 量子人工蜂群算法 74
3.4.1 量子计算 74
3.4.2 量子人工蜂群算法 74
3.4.3 实验结果与分析 77
3.5 小生境人工蜂群算法 78
3.5.1 小生境技术 78
3.5.2 小生境人工蜂群算法 79
3.5.3 实验结果与分析 80
3.6 全局人工蜂群算法 83
3.6.1 基本人工蜂群算法的不足 83
3.6.2 全局人工蜂群算法 84
3.6.3 实验结果与分析 86
3.7 MATLAB程序设计 89
3.8 本章小结 94 参考文献