群智能优化算法

图书信息

作者：樊新海等编著编

出版社：电子工业出版社

定价：128.00

ISBN：9787121509957

出版时间：2026-01-01

分类：图书,行业职业,计算机,工具书

商品介绍

目录

第1章绪论1

1.1很优化问题概述2

1.1.1单变量很优化问题2

1.1.2多变量很优化问题4

1.1.3复杂问题的很优化问题6

1.2群智能优化算法概述8

1.2.1群智能优化算法的基本思想8

1.2.2群智能优化算法的主要分类9

1.2.3群智能优化算法的优势及特点10

1.3群智能优化算法的仿生计算机制11

1.3.1算法初始化12

1.3.2个体位置更新13

1.3.3竞争选择机制15

1.4学习建议16

思考题17

第2章遗传算法18

2.1遗传算法的原理及特点18

2.1.1遗传算法的生物学基础18

2.1.2遗传算法的基本原理19

2.1.3遗传算法的特点分析25

2.2标准遗传算法及其改进方向26

2.2.1标准遗传算法26

2.2.2标准遗传算法的改进方向27

2.3遗传算法的运算流程27

2.4遗传算法的主要参数29

2.5遗传算法的应用实例29

思考题47

第3章差分进化算法48

3.1差分进化算法的原理及特点48

3.1.1差分进化算法的基本原理48

3.1.2差分进化算法的特点分析49

3.2差分进化算法的不同形式50

3.2.1差分进化算法的基本形式50

3.2.2差分进化算法的其他形式53

3.2.3差分进化算法的改进54

3.3差分进化算法的运算流程55

3.4差分进化算法的主要参数56

3.5差分进化算法的应用实例57

思考题71

第4章人工免疫算法72

4.1生物免疫系统和人工免疫系统73

4.1.1生物免疫系统73

4.1.2人工免疫系统75

4.2人工免疫算法的原理及特点76

4.2.1人工免疫算法的基本原理76

4.2.2人工免疫算法的特点分析79

4.3人工免疫算法的运算流程80

4.4人工免疫算法的主要参数81

4.5人工免疫算法的应用实例82

思考题97

第5章粒子群优化算法98

5.1粒子群优化算法的原理及特点99

5.1.1粒子群优化算法的基本原理99

5.1.2粒子群优化算法的特点分析99

5.2粒子群优化算法的常见形式100

5.2.1基本粒子群优化算法100

5.2.2标准粒子群优化算法101

5.2.3离散粒子群优化算法103

5.3粒子群优化算法的运算流程104

5.4粒子群优化算法的主要参数105

5.5粒子群优化算法的应用实例106

思考题123

第6章蚁群优化算法124

6.1蚁群优化算法的原理及特点124

6.1.1蚂蚁觅食过程124

6.1.2人工蚂蚁的特性125

6.1.3人工蚁群的特性126

6.1.4蚁群优化算法的特点分析127

6.2蚁群优化算法的常见形式127

6.2.1基本蚁群优化算法127

6.2.2精英蚂蚁系统算法129

6.2.3优选最小蚂蚁算法129

6.2.4基于排序的蚁群系统算法130

6.2.5自适应蚁群优化算法130

6.3蚁群优化算法的运算流程131

6.4蚁群优化算法的主要参数132

6.5蚁群优化算法的应用实例133

思考题151

第7章人工蜂群算法152

7.1人工蜂群算法的原理及特点152

7.1.1蜂群采蜜过程152

7.1.2人工蜂群算法的基本原理154

7.1.3人工蜂群算法的特点分析155

7.2人工蜂群算法的运算流程156

7.3人工蜂群算法的主要参数158

7.4人工蜂群算法的应用实例159

思考题173

第8章细菌觅食优化算法174

8.1细菌觅食优化算法的原理及特点174

8.1.1细菌觅食行为174

8.1.2细菌觅食优化算法的基本原理176

8.1.3细菌觅食优化算法的特点分析179

8.2细菌觅食优化算法的运算流程180

8.3细菌觅食优化算法的主要参数182

8.4细菌觅食优化算法的应用实例184

思考题199

第9章人工鱼群算法200

9.1人工鱼群算法的原理及特点200

9.1.1人工鱼群算法的基本原理200

9.1.2人工鱼群算法的特点分析202

9.2人工鱼群算法的运算流程203

9.3人工鱼群算法的主要参数205

9.4人工鱼群算法的应用实例206

思考题226

第10章混合蛙跳算法227

10.1混合蛙跳算法的原理及特点227

10.1.1混合蛙跳算法的基本原理227

10.1.2混合蛙跳算法的特点分析229

10.2混合蛙跳算法的运算流程229

10.3混合蛙跳算法的主要参数231

10.4混合蛙跳算法的应用实例232

思考题248

第11章萤火虫算法249

11.1萤火虫算法的原理及特点249

11.1.1萤火虫算法的理想原则249

11.1.2萤火虫算法的基本原理250

11.1.3萤火虫算法的特点分析252

11.2萤火虫算法的运算流程253

11.3萤火虫算法的主要参数254

11.4萤火虫算法的应用实例255

思考题269

第12章布谷鸟搜索算法270

12.1布谷鸟搜索算法的原理及特点270

12.1.1借巢产卵的繁殖行为270

12.1.2Lévy飞行271

12.1.3布谷鸟搜索算法的基本原理273

12.1.4布谷鸟搜索算法的特点分析274

12.2布谷鸟搜索算法的运算流程275

12.3布谷鸟搜索算法的主要参数276

12.4布谷鸟搜索算法的改进方向277

12.5布谷鸟搜索算法的应用实例279

思考题293

第13章狼群算法294

13.1狼群算法的原理及特点294

13.1.1狼群算法的生物学背景294

13.1.2狼群算法的基本原理295

13.1.3狼群算法的特点分析297

13.2狼群算法的运算流程298

13.3狼群算法的主要参数299

13.4狼群算法的应用实例301

思考题319

第14章秃鹰搜索优化算法320

14.1秃鹰搜索优化算法的原理及特点320

14.1.1秃鹰搜索优化算法的基本原理321

14.1.2秃鹰搜索优化算法的特点分析323

14.2秃鹰搜索优化算法的运算流程324

14.3秃鹰搜索优化算法的应用实例326

思考题343

第15章蝠鲼觅食优化算法344

15.1蝠鲼觅食优化算法的原理及特点344

15.1.1蝠鲼觅食优化算法的基本原理345

15.1.2蝠鲼觅食优化算法的特点分析348

15.2蝠鲼觅食优化算法的运算流程349

15.3蝠鲼觅食优化算法的应用实例350

思考题367

第16章野狗优化算法368

16.1野狗优化算法的原理及特点368

16.1.1野狗优化算法的基本原理369

16.1.2野狗优化算法的特点分析371

16.2野狗优化算法的运算流程372

16.3野狗优化算法的应用实例374

思考题390

第17章沙丘猫群优化算法391

17.1沙丘猫群优化算法的原理及特点391

17.1.1沙丘猫群优化算法的基本原理392

17.1.2沙丘猫群优化算法的特点分析394

17.2沙丘猫群优化算法的运算流程394

17.3沙丘猫群优化算法的应用实例396

思考题408

参考文献409

内容简介

群智能优化算法作为一种新兴的智能优化技术和诸多交叉学科研究领域的前沿，受到了越来越多研究者的关注。这些算法受自然界生物进化过程和生物群体行为规律的启发，吸收和融合了运筹学、生物学、物理学、计算数学、计算机科学、人工智能和控制论等学科思想和方法，在没有集中控制且不提供全局信息的条件下，为求解传统优化方法难以解决的非线性、不可微、不确定、多目标、分布式复杂优化问题提供了新思路和新手段，在诸多学科领域得到了成功应用。

本书选取了具有代表性的遗传算法、差分进化算法、人工免疫算法、粒子群优化算法、蚁群优化算法、人工蜂群算法、细菌觅食优化算法、人工鱼群算法、混合蛙跳算法、萤火虫算法、布谷鸟搜索算法、狼群算法、秃鹰搜索优化算法、蝠鲼觅食优化算法、野狗优化算法和沙丘猫群优化算法16种群智能优化算法，重点讲述了这些算法的基本原理、运算流程、主要参数和应用实例，特别是对每个应用实例都给出了详细的MATLAB实现参考程序。

本书可作为高校本科生、研究生相关课程的教材或参考书，也可供相关工程技术人员自学参考。

作者简介

樊新海，陆军装甲兵学院副教授，主要从事装备测试、信号处理、故障诊断和群智能优化方面的教学科研工作，学院机械工程学科专业领域学术骨干，硕士研究生导师。