人工蜂群算法及其应用PDF|Epub|txt|kindle电子书版本网盘下载

人工蜂群算法及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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94

第4章 混合蜂群算法97

4.1 基于量子和高斯分布的改进人工蜂群算法97

4.1.1 量子和高斯分布的改进蜂群算法97

4.1.2 实验结果与分析98

4.2 禁忌搜索-蜂群混合优化算法100

4.2.1 禁忌搜索100

4.2.2 禁忌搜索蜂群算法101

4.2.3 实验结果与分析103

4.3 模拟退火-蜂群混合优化算法106

4.3.1 模拟退火算法106

4.3.2 模拟退火蜂群算法108

4.3.3 实验结果与分析109

4.4 基于高斯变异和混沌扰动的人工蜂群算法110

4.4.1 高斯变异和混沌扰动的人工蜂群算法111

4.4.2 算法流程113

4.4.3 实验结果与分析113

4.5 基于copula分布估计的改进人工蜂群算法115

4.5.1 分布估计算法115

4.5.2 阿基米德copula分布估计算法116

4.5.3 基于阿基米德copula分布估计算法改进的ABC算法119

4.5.4 实验设计122

4.5.5 实验结果与分析125

4.6 差分进化-蜂群混合优化算法126

4.6.1 差分进化算法126

4.6.2 差分进化蜂群算法129

4.6.3 差分与蜂群融合算法131

4.6.4 差分和蜂群算法结合分析133

4.7 本章小结134

参考文献134

第5章 并行人工蜂群算法137

5.1 算法并行性的分析137

5.1.1 自然界存在的并行性137

5.1.2 遗传算法并行性的分析137

5.1.3 模拟退火算法并行性的分析138

5.1.4 人工蜂群算法并行性的分析138

5.2 并行人工蜂群算法的介绍139

5.2.1 粗粒度并行算法139

5.2.2 细粒度并行算法139

5.2.3 主从式并行算法140

5.2.4 算法并行策略的选择141

5.3 基于MPI实现并行多集群并行计算141

5.3.1 MPI的概念141

5.3.2 MPI函数参数说明142

5.3.3 常用的MPI编程函数143

5.3.4 MPI编写进化计算算法144

5.4 并行人工蜂群算法求解高维函数最优值的问题147

5.4.1 问题概述147

5.4.2 典型高维函数147

5.4.3 并行人工蜂群算法求解方法概述与硬件环境配置148

5.4.4 并行人工蜂群算法求解具体步骤148

5.4.5 实验结果与分析150

5.5 改进并行人工蜂群算法求解旅行商问题151

5.5.1 问题简介151

5.5.2 旅行商问题的描述152

5.5.3 并行人工蜂群算法的建模策略152

5.5.4 并行人工蜂群算法的步骤152

5.5.5 实验结果与分析153

5.6 本章小结153

参考文献154

第6章 人工蜂群算法在函数优化中的应用155

6.1 无约束优化测试函数155

6.2 有约束优化测试函数156

6.3 多目标优化测试函数157

6.3.1 多目标优化问题157

6.3.2 多目标优化评价指标158

6.3.3 基于人工蜂群算法的多目标优化160

6.3.4 仿真结果与分析161

6.4 动态优化测试函数163

6.4.1 动态优化问题中蜂群算法的搜索策略164

6.4.2 动态优化的性能评价与分析164

6.4.3 蜂群算法实现动态目标函数优化165

6.4.4 动态环境下多模函数的寻优168

6.5 MATLAB程序设计169

6.6 本章小结179

参考文献179

第7章 人工蜂群算法在工程中的应用181

7.1 图像边缘检测和图像增强181

7.1.1 图像边缘检测181

7.1.2 图像增强185

7.2 神经网络参数优化188

7.2.1 PCNN模型189

7.2.2 基于ABC-PCNN模型的图像分割191

7.2.3 实验结果与分析192

7.3 基于蜂群算法的聚类193

7.3.1 K均值聚类193

7.3.2 基于蜂群算法的K均值聚类194

7.3.3 模糊C-均值图像分割算法195

7.3.4 实验结果与分析197

7.4 人脸识别198

7.4.1 人工蜂群算法中改进的自适应步长198

7.4.2 基于改进人工蜂群算法的人脸识别198

7.4.3 实验结果与分析199

7.5 鲁棒PID控制器设计200

7.5.1 PID控制器理论及性能指标201

7.5.2 鲁棒PID控制器的设计202

7.5.3 实验结果与分析204

7.6 波束成型技术205

7.6.1 问题的提出205

7.6.2 阵列天线信号模型206

7.6.3 基于人工蜂群算法的波束图综合206

7.6.4 实验结果与分析207

7.7 车间工件调度问题208

7.7.1 车间工件调度问题208

7.7.2 自适应变步长人工蜂群算法210

7.7.3 车间工件调度算法及步骤211

7.7.4 实验结果与分析211

7.8 智能交通优化调度214

7.8.1 公交车调度模型214

7.8.2 设计实现步骤216

7.8.3 实验结果与分析217

7.9 电力系统优化调度219

7.9.1 电力系统调度模型219

7.9.2 设计实现步骤221

7.9.3 实验结果与分析221

7.10 无线传感器网络覆盖优化223

7.10.1 无线传感器网络的覆盖问题223

7.10.2 无线传感器网络的连通问题224

7.10.3 无线传感器网络动态部署224

7.10.4 实验结果与分析228

7.11 鲁棒通信定位230

7.11.1 定位算法230

7.11.2 设计实现步骤231

7.11.3 实验结果与分析232

7.12 通信基站建站费用最小问题233

7.12.1 最小费用问题233

7.12.2 设计实现步骤235

7.12.3 实验结果与分析237

7.13 电视监控最优布网237

7.13.1 电视监控优化模型237

7.13.2 设计实现步骤240

7.13.3 实验结果与分析241

7.14 三维路径规划242

7.14.1 路径规划问题242

7.14.2 设计实现步骤246

7.14.3 实验结果与分析247

7.15 多聚焦图像融合249

7.15.1 图像融合249

7.15.2 小波变换249

7.15.3 多聚焦图像融合实现250

7.15.4 实验结果与分析251

7.16 旅行商问题251

7.16.1 旅行商问题概述251

7.16.2 设计实现步骤252

7.16.3 实验结果与分析253

7.17 认知无线电频谱分配255

7.17.1 认知无线电中的频谱分配255

7.17.2 图论模型的数学描述255

7.17.3 实验结果与分析257

7.18 MATLAB程序设计259

7.19 本章小结264

参考文献264

附录A 常用术语英汉对照表268

附录B 测试函数集270

附录C 人工蜂群算法相关网站278