智能優化算法及其 MATLAB 實現

購買商店

智能優化算法及其 MATLAB 實現

$359.00

馬上購買

內容描述

智能優化算法作為人工智能的最為活躍的研究方向之一，已經在學術界、工業界得到了廣泛的應用和實踐。為了使讀者更全面地掌握並使用Matlab實現智能優化算法，本書由淺至深，分為兩個部分：第一部分：智能優化算法及其Matlab實現，具體包括十種智能優化算法（粒子群算法、蟻獅算法、果蠅優化算法、螢火蟲優化算法、灰狼優化算法、正餘弦算法、多元宇宙優化算法、引力搜索算法、樹種優化算法、風驅動優化算法等）原理講述、智能優化算法的Matlab實現、智能優化算法的應用案例實現及分析；第二部分：智能優化算法性能測試，具體包括：智能優化算法基準測試集簡介和智能優化算法性能測試方法。 本書有助於讀者從概念、原理、代碼實現、應用案例、測試方法、性能比較分析中逐步掌握不同的智能優化算法。

目錄大綱

目　　錄 第1章 粒子群優化算法原理及其MATLAB 實現 1 1.1 粒子群優化算法的基本原理 1 1.1.1 粒子和速度初始化 1 1.1.2 個體歷史最優值和全局最優值 1 1.1.3 粒子群的速度和位置更新 2 1.1.4 粒子群優化算法流程 2 1.2 粒子群優化算法的MATLAB ?實現 3 1.2.1 種群初始化 3 1.2.2 適應度函數 5 1.2.3 邊界檢查和約束函數 5 1.2.4 粒子群優化算法代碼 6 1.3 粒子群優化算法的應用案例 8 1.3.1 求解函數極值 8 1.3.2 帶約束問題求解：基於粒子群 優化算法的壓力容器設計 10 1.4 粒子群優化算法的中間結果 13 參考文獻 16 第2章 蟻獅優化算法原理及其MATLAB 實現 17 2.1 蟻獅優化算法的基本原理 17 2.1.1 螞蟻的隨機游走 17 2.1.2 設置陷阱 18 2.1.3 利用陷阱誘捕螞蟻 18 2.1.4 捕獲獵物並重建洞穴 19 2.1.5 蟻獅優化算法流程 19 2.2 蟻獅優化算法的MATLAB ?實現 20 2.2.1 種群初始化 20 2.2.2 適應度函數 22 2.2.3 邊界檢查和約束 22 2.2.4 輪盤賭策略 23 2.2.5 蟻獅優化算法的隨機游走 24 2.2.6 蟻獅優化算法的MATLAB 代碼 28 2.3 蟻獅優化算法的應用案例 30 2.3.1 求解函數極值 30 2.3.2 帶約束問題求解：基於蟻獅 優化算法的壓力容器設計 32 2.4 蟻獅優化算法的中間結果 35 參考文獻 38 第3章 果蠅優化算法及其MATLAB 實現 39 3.1 果蠅優化算法的基本原理 39 3.1.1 果蠅初始化 39 3.1.2 果蠅通過氣味尋找食物 39 3.1.3 果蠅位置更新 40 3.1.4 果蠅優化算法流程 40 3.2 果蠅優化算法的MATLAB ?實現 41 3.2.1 果蠅位置初始化 41 3.2.2 適應度函數 43 3.2.3 邊界檢查和約束 43 3.2.4 果蠅優化算法代碼 44 3.2.5 改進果蠅優化算法代碼 45 3.3 果蠅優化算法的應用案例 47 3.3.1 求解函數極值 47 3.3.2 帶約束問題求解：基於果蠅 優化算法的壓力容器設計 49 3.4 果蠅優化算法的中間結果 51 參考文獻 55 第4章 螢火蟲優化算法及其MATLAB 實現 56 4.1 螢火蟲優化算法的基本原理 56 4.1.1 螢火蟲的相對亮度計算 56 4.1.2 螢火蟲的吸引度計算 56 4.1.3 螢火蟲的位置更新 56 4.1.4 螢火蟲優化算法流程 57 4.2 螢火蟲優化算法的MATLAB ?實現 57 4.2.1 螢火蟲位置初始化 57 4.2.2 適應度函數 59 4.2.3 邊界檢查和約束 60 4.2.4 螢火蟲優化算法代碼 60 4.3 螢火蟲優化算法的應用案例 63 4.3.1 求解函數極值 63 4.3.2 帶約束問題求解：基於螢火蟲 優化算法的壓力容器設計 65 4.4 螢火蟲優化算法的中間結果 67 參考文獻 70 第5章 灰狼優化算法及其MATLAB 實現 71 5.1 灰狼優化算法的基本原理 71 5.1.1 包圍獵物 71 5.1.2 狩獵 72 5.1.3 攻擊獵物 72 5.1.4 搜索獵物 72 5.1.5 灰狼優化算法流程 73 5.2 灰狼優化算法的MATLAB ?實現 74 5.2.1 灰狼位置初始化 74 5.2.2 適應度函數 75 5.2.3 邊界檢查和約束 76 5.2.4 灰狼優化算法代碼 77 5.3 灰狼優化算法的應用案例 79 5.3.1 求解函數極值 79 5.3.2 帶約束問題求解：基於灰狼 優化算法的壓力容器設計 81 5.4 灰狼優化算法的中間結果 84 參考文獻 88 第6章 正餘弦優化算法及其MATLAB 實現 89 6.1 正餘弦優化算法的基本原理 89 6.1.1 正餘弦機制 89 6.1.2 正餘弦優化算法流程 90 6.2 正餘弦優化算法的MATLAB ?實現 91 6.2.1 正餘弦位置初始化 91 6.2.2 適應度函數 92 6.2.3 邊界檢查和約束 93 6.2.4 正餘弦優化算法代碼 94 6.3 正餘弦優化算法的應用案例 ?實驗 95 6.3.1 求解函數極值 95 6.3.2 帶約束問題求解：基於正餘弦 優化算法的壓力容器設計 97 6.4 正餘弦優化算法的中間結果 100 參考文獻 102 第7章 多元宇宙優化算法及其MATLAB 實現 104 7.1 多元宇宙優化算法的基本 ?原理 104 7.1.1 宇宙的定義 104 7.1.2 傳輸機制 104 7.1.3 蟲洞系數 105 7.1.4 多元宇宙優化算法流程 105 7.2 多元宇宙優化算法的MATLAB ?實現 106 7.2.1 種群初始化 106 7.2.2 適應度函數 108 7.2.3 邊界檢查和約束 108 7.2.4 輪盤賭策略 109 7.2.5 多元宇宙優化算法代碼 110 7.3 多元宇宙優化算法的應用 ?案例 112 7.3.1 求解函數極值 112 7.3.2 帶約束問題求解：基於多元宇宙 優化算法的壓力容器設計 115 7.4 多元宇宙優化算法的中間 ?結果 117 參考文獻 121 第8章 引力搜索算法及其MATLAB 實現 122 8.1 引力搜索算法的基本原理 122 8.1.1 萬有引力定律 122 8.1.2 個體引力計算 123 8.1.3 加速度計算 124 8.1.4 速度和位置更新 124 8.1.5 引力搜索算法流程 124 8.2 引力搜索算法的MATLAB ?實現 125 8.2.1 位置初始化 125 8.2.2 適應度函數 127 8.2.3 邊界檢查和約束 127 8.2.4 計算質量 128 8.2.5 計算引力常數 129 8.2.6 計算加速度 129 8.2.7 位置更新 130 8.2.8 引力搜索算法代碼 130 8.3 引力搜索算法的應用案例 132 8.3.1 求解函數極值 132 8.3.2 帶約束問題求解：基於引力 搜索算法的壓力容器設計 134 8.4 引力搜索算法的中間結果 136 參考文獻 139 第9章 樹種優化算法及其MATLAB 實現 140 9.1 樹種優化算法的基本原理 140 9.1.1 樹種的定義及生成 140 9.1.2 種子的繁殖 140 9.1.3 樹種優化算法流程 141 9.2 樹種優化算法的MATLAB ?實現 141 9.2.1 種群初始化 141 9.2.2 適應度函數 143 9.2.3 邊界檢查和約束 143 9.2.4 樹種優化算法 144 9.3 樹種優化算法的應用案例 146 9.3.1 求解函數極值 146 9.3.2 帶約束問題求解：基於樹種 優化算法的壓力容器設計 148 9.4 樹種優化算法的中間結果 151 參考文獻 154 第10章 風驅動優化算法及其MATLAB 實現 155 10.1 風驅動優化算法的基本原理 155 10.1.1 參數的定義 155 10.1.2 適應度函數的選取 155 10.1.3 空氣單元運動範圍的確定 155 10.1.4 風的抽象化及空氣單元的 更新 155 10.1.5 風驅動優化算法流程 157 10.2 風驅動優化算法的MATLAB ?實現 158 10.2.1 種群初始化 158 10.2.2 適應度函數 160 10.2.3 邊界檢查和約束 160 10.2.4 風驅動優化算法 161 10.3 風驅動優化算法的應用案例 163 10.3.1 求解函數極值 163 10.3.2 帶約束問題求解：基於風驅動 優化算法的壓力容器設計 165 10.4 風驅動優化算法的中間結果 168 參考文獻 171 第11章 智能優化算法基準測試集 172 11.1 基準測試集簡介 172 11.2 基準測試函數繪圖與測試函數 ?代碼編寫 173 11.2.1 函數F1 173 11.2.2 函數F2 174 11.2.3 函數F3 175 11.2.4 函數F4 177 11.2.5 函數F5 178 11.2.6 函數F6 179 11.2.7 函數F7 180 11.2.8 函數F8 181 11.2.9 函數F9 182 11.2.10 函數F10 183 11.2.11 函數F11 184 11.2.12 函數F12 185 11.2.13 函數F13 186 11.2.14 函數F14 187 11.2.15 函數F15 189 11.2.16 函數F16 190 11.2.17 函數F17 191 11.2.18 函數F18 192 11.2.19 函數F19 193 11.2.20 函數F20 194 11.2.21 函數F21 195 11.2.22 函數F22 196 11.2.23 函數F23 198 第12章 智能優化算法性能測試 200 12.1 智能優化算法性能測試方法 200 12.1.1 平均值 200 12.1.2 標準差 200 12.1.3 最優值和最差值 201 12.1.4 收斂曲線 202 12.2 測試案例 202 12.2.1 測試函數信息 202 12.2.2 測試方法及參數設置 203 12.2.3 測試結果 203