蜂群算法原理及其应用

第1章 绪论
1.1 最优化方法
1.2 群体智能算法
1.2.1 概述
1.2.2 典型算法简介
1.3 人工蜂群算法的研究与应用概述
1.4 本章小结
参考文献
第2章 人工蜂群算法及其改进
2.1 人工蜂群算法原理
2.2 人工蜂群算法的改进
2.2.1 并行ABC算法
2.2.2 全维搜索ABC算法及其并行化
2.2.3 随机多维人工蜂群算法
2.2.4 改进多维搜索ABC算法
2.3 改进人工蜂群算法的性能验证
2.4 本章小结
参考文献
第3章 人工蜂群算法在物流调度中的应用
3.1 物流调度问题概述
3.2 基于并行化蜂群算法的单ETV调度策略
3.2.1 调度问题描述
3.2.2 优化算法的编码策略
3.2.3 仿真验证
3.3 基于改进人工蜂群算法的双ETV调度策略
3.3.1 机场货运站双ETV调度模型
3.3.2 基于改进人工蜂群算法的双ETV调度
3.4 基于差分进化ABC算法的机器人路径规划
3.4.1 Bezier曲线
3.4.2 改进ABC算法及其路径规划应用
3.4.3 仿真验证
3.5 本章小结
参考文献
第4章 人工蜂群算法在控制中的应用
4.1 基于蜂群算法的直流电机PID控制器的优化
4.1.1 直流电机建模
4.1.2 PID控制原理
4.1.3 基于人工蜂群算法的PID控制器优化设计
4.2 基于ABC算法的分数阶PID控制器优化
4.2.1 分数阶PID控制器原理
4.2.2 分数阶PID控制器优化设计
4.3 基于蜂群算法的LQR控制器优化设计
4.3.1 环形二级倒立摆
4.3.2 系统能控及能观性分析
4.3.3 LQR控制器的设计
4.3.4 LQR控制器的优化
4.4 本章小结
参考文献
第5章 人工蜂群算法在数据挖掘中的应用
5.1 数据分类及相关算法
5.1.1 数据分类
5.1.2 典型数据分类策略
5.2 基于ABC算法的SVM分类器优化
5.2.1 SVM分类原理
5.2.2 基于ABC算法的特征选择和SVM同步优化算法
5.2.3 实验验证
5.3 基于ABC算法的ELM分类器优化
5.3.1 ELM原理
5.3.2 多目标ABC算法优化ELM模型
5.3.3 仿真实验
5.4 集成学习算法及其蜂群算法优化
5.4.1 概述
5.4.2 GBDT算法原理
5.4.3 XGBoost算法原理
5.4.4 LightGBM算法原理
5.4.5 集成学习算法的性能优化
5.4.6 实验验证
5.5 聚类及其优化策略
5.5.1 聚类算法概述
5.5.2 K-means算法概述
5.5.3 IABC算法优化K-means聚类
5.5.4 实验数据
5.5.5 对比实验结果
本章小结
参考文献