智能计算协同优化算法及应用

第1章 绪论 / 1
1．1 智能计算方法概述 / 1
1．2 文化进化和自然进化的协同 / 14
第2章 理论背景知识 / 19
2．1 优化研究基础 / 19
2．1．1 函数优化 / 20
2．1．2 组合优化 / 22
2．2 进化算法 / 24
2．2．1 遗传算法 / 25
2．2．2 进化策略 / 27
2．2．3 进化规划 / 28
2．2．4 遗传算法、进化规划和进化策略之间的异同点 / 28
2．3 群体智能 / 30
2．3．1 粒子群优化算法 / 30
2．3．2 蚁群优化算法 / 34
2．4 量子进化算法 / 38
2．4．1 量子计算概念的产生和发展 / 39
2．4．2 量子计算的物理原理 / 40
2．4．3 量子计算与经典计算相比的重要特点 / 43
2．4．4 量子进化算法的数学描述 / 46
2．5 文化算法 / 51
第3章 基于进化规划的文化算法设计 / 55
3．1 引言 / 55
3．2 算法的分析和设计 / 57
3．2．1 群体空间上的进化 / 58
3．2．2 信仰空间上的进化 / 59
3．2．3 接受函数 / 64
3．2．4 影响函数 / 64
3．3 仿真实验与结果分析 / 65
3．4 算法的改进 / 67
3．5 本章总结 / 69
第4章 文化粒子群优化算法 / 71
4．1 引言 / 72
4．2 差分进化算法 / 73
4．3 文化差分粒子群优化算法 / 78
4．3．1 群体空间的进化：差分粒子群优化算法 / 79
4．3．2 信仰空间的设计和作用 / 82
4．3．3 接受函数 / 86
4．3．4 影响函数 / 86
4．3．5 数值实验 / 87
4．3．6 结果分析 / 91
4．4 群体空间进化算法的改进 / 92
4．4．1 自适应变异的差分粒子群优化算法 / 92
4．4．2 自适应柯西变异粒子群优化算法 / 98
4．5 本章总结 / 104
第5章 文化蚁群优化算法 / 105
5．1 引言 / 106
5．2 TSP问题描述 / 108
5．3 群体空间上的进化：蚁群系统 / 109
5．4 信仰空间的设计和作用 / 111
5．4．1 信仰空间上的进化 / 111
5．4．2 接受函数 / 112
5．4．3 影响函数 / 112
5．5 实验研究 / 114
5．5．1 算法的参数研究 / 115
5．5．2 对比实验研究 / 117
5．6 本章总结 / 121
第6章 文化免疫量子进化算法 / 122
6．1 引言 / 123
6．2 背包问题描述 / 126
6．3 文化免疫量子进化算法 / 127
6．3．1 免疫的基本概念 / 128
6．3．2 文化和量子协同进化计算模型 / 130
6．3．3 群体空间上的进化：改进的免疫量子进化算法 / 134
6．3．4 信仰空间的设计和作用 / 137
6．4 实验研究 / 139
6．5 算法的收敛性分析 / 144
6．6 本章总结 / 147
第7章 总结与展望 / 148
7．1 工作的主要创新性成果 / 149
7．2 工作展望 / 153
附录 部分测试函数 / 156
参考文献 / 163