图书简介:
第1章 粒子群优化算法原理及其MATLAB 实现 11.1 粒子群优化算法的基本原理 11.1.1 粒子和速度初始化 11.1.2 个体历史最优值和全局最优值 11.1.3 粒子群的速度和位置更新 21.1.4 粒子群优化算法流程 21.2 粒子群优化算法的MATLAB 实现 31.2.1 种群初始化 31.2.2 适应度函数 51.2.3 边界检查和约束函数 51.2.4 粒子群优化算法代码 61.3 粒子群优化算法的应用案例 81.3.1 求解函数极值 81.3.2 带约束问题求解:基于粒子群 优化算法的压力容器设计 101.4 粒子群优化算法的中间结果 13参考文献 16第2章 蚁狮优化算法原理及其MATLAB 实现 172.1 蚁狮优化算法的基本原理 172.1.1 蚂蚁的随机游走 172.1.2 设置陷阱 182.1.3 利用陷阱诱捕蚂蚁 182.1.4 捕获猎物并重建洞穴 192.1.5 蚁狮优化算法流程 192.2 蚁狮优化算法的MATLAB 实现 202.2.1 种群初始化 202.2.2 适应度函数 222.2.3 边界检查和约束 222.2.4 轮盘赌策略 232.2.5 蚁狮优化算法的随机游走 242.2.6 蚁狮优化算法的MATLAB 代码 282.3 蚁狮优化算法的应用案例 302.3.1 求解函数极值 302.3.2 带约束问题求解:基于蚁狮 优化算法的压力容器设计 322.4 蚁狮优化算法的中间结果 35参考文献 38第3章 果蝇优化算法及其MATLAB 实现 393.1 果蝇优化算法的基本原理 393.1.1 果蝇初始化 393.1.2 果蝇通过气味寻找食物 393.1.3 果蝇位置更新 403.1.4 果蝇优化算法流程 403.2 果蝇优化算法的MATLAB 实现 413.2.1 果蝇位置初始化 413.2.2 适应度函数 433.2.3 边界检查和约束 433.2.4 果蝇优化算法代码 443.2.5 改进果蝇优化算法代码 453.3 果蝇优化算法的应用案例 473.3.1 求解函数极值 473.3.2 带约束问题求解:基于果蝇 优化算法的压力容器设计 493.4 果蝇优化算法的中间结果 51参考文献 55第4章 萤火虫优化算法及其MATLAB 实现 564.1 萤火虫优化算法的基本原理 56
4.1.1 萤火虫的相对亮度计算 564.1.2 萤火虫的吸引度计算 564.1.3 萤火虫的位置更新 564.1.4 萤火虫优化算法流程 574.2 萤火虫优化算法的MATLAB 实现 574.2.1 萤火虫位置初始化 574.2.2 适应度函数 594.2.3 边界检查和约束 604.2.4 萤火虫优化算法代码 604.3 萤火虫优化算法的应用案例 634.3.1 求解函数极值 634.3.2 带约束问题求解:基于萤火虫 优化算法的压力容器设计 654.4 萤火虫优化算法的中间结果 67参考文献 70第5章 灰狼优化算法及其MATLAB 实现 715.1 灰狼优化算法的基本原理 715.1.1 包围猎物 715.1.2 狩猎 725.1.3 攻击猎物 725.1.4 搜索猎物 725.1.5 灰狼优化算法流程 735.2 灰狼优化算法的MATLAB 实现 745.2.1 灰狼位置初始化 745.2.2 适应度函数 755.2.3 边界检查和约束 765.2.4 灰狼优化算法代码 775.3 灰狼优化算法的应用案例 795.3.1 求解函数极值 795.3.2 带约束问题求解:基于灰狼 优化算法的压力容器设计 815.4 灰狼优化算法的中间结果 84参考文献 88第6章 正余弦优化算法及其MATLAB 实现 896.1 正余弦优化算法的基本原理 896.1.1 正余弦机制 896.1.2 正余弦优化算法流程 906.2 正余弦优化算法的MATLAB 实现 916.2.1 正余弦位置初始化 916.2.2 适应度函数 926.2.3 边界检查和约束 936.2.4 正余弦优化算法代码 946.3 正余弦优化算法的应用案例 实验 956.3.1 求解函数极值 956.3.2 带约束问题求解:基于正余弦 优化算法的压力容器设计 976.4 正余弦优化算法的中间结果 100参考文献 102第7章 多元宇宙优化算法及其MATLAB 实现 1047.1 多元宇宙优化算法的基本 原理 1047.1.1 宇宙的定义 1047.1.2 传输机制 1047.1.3 虫洞系数 1057.1.4 多元宇宙优化算法流程 1057.2 多元宇宙优化算法的MATLAB 实现 1067.2.1 种群初始化 1067.2.2 适应度函数 1087.2.3 边界检查和约束 1087.2.4 轮盘赌策略 1097.2.5 多元宇宙优化算法代码 1107.3 多元宇宙优化算法的应用 案例 1127.3.1 求解函数极值 1127.3.2 带约束问题求解:基于多元宇宙 优化算法的压力容器设计 1157.4 多元宇宙优化算法的中间 结果 117参考文献 121第8章 引力搜索算法及其MATLAB 实现 1228.1 引力搜索算法的基本原理 1228.1.1 万有引力定律 1228.1.2 个体引力计算 1238.1.3 加速度计算 1248.1.4 速度和位置更新 1248.1.5 引力搜索算法流程 1248.2 引力搜索算法的MATLAB 实现 1258.2.1 位置初始化 1258.2.2 适应度函数 1278.2.3 边界检查和约束 1278.2.4 计算质量 1288.2.5 计算引力常数 1298.2.6 计算加速度 1298.2.7 位置更新 1308.2.8 引力搜索算法代码 1308.3 引力搜索算法的应用案例 1328.3.1 求解函数极值 1328.3.2 带约束问题求解:基于引力 搜索算法的压力容器设计 1348.4 引力搜索算法的中间结果 136参考文献 139第9章 树种优化算法及其MATLAB 实现 1409.1 树种优化算法的基本原理 1409.1.1 树种的定义及生成 1409.1.2 种子的繁殖 1409.1.3 树种优化算法流程 1419.2 树种优化算法的MATLAB 实现 1419.2.1 种群初始化 1419.2.2 适应度函数 1439.2.3 边界检查和约束 1439.2.4 树种优化算法 1449.3 树种优化算法的应用案例 1469.3.1 求解函数极值 1469.3.2 带约束问题求解:基于树种 优化算法的压力容器设计 1489.4 树种优化算法的中间结果 151参考文献 154第10章 风驱动优化算法及其MATLAB 实现 15510.1 风驱动优化算法的基本原理 15510.1.1 参数的定义 15510.1.2 适应度函数的选取 15510.1.3 空气单元运动范围的确定 15510.1.4 风的抽象化及空气单元的 更新 15510.1.5 风驱动优化算法流程 15710.2 风驱动优化算法的MATLAB 实现 15810.2.1 种群初始化 15810.2.2 适应度函数 16010.2.3 边界检查和约束 16010.2.4 风驱动优化算法 16110.3 风驱动优化算法的应用案例 16310.3.1 求解函数极值 16310.3.2 带约束问题求解:基于风驱动 优化算法的压力容器设计 16510.4 风驱动优化算法的中间结果 168参考文献 171第11章 智能优化算法基准测试集 17211.1 基准测试集简介 17211.2 基准测试函数绘图与测试函数 代码编写 17311.2.1 函数F1 17311.2.2 函数F2 17411.2.3 函数F3 17511.2.4 函数F4 17711.2.5 函数F5 17811.2.6 函数F6 17911.2.7 函数F7 18011.2.8 函数F8 18111.2.9 函数F9 18211.2.10 函数F10 18311.2.11 函数F11 18411.2.12 函数F12 18511.2.13 函数F13 18611.2.14 函数F14 18711.2.15 函数F15 18911.2.16 函数F16 19011.2.17 函数F17 19111.2.18 函数F18 19211.2.19 函数F19 19311.2.20 函数F20 19411.2.21 函数F21 19511.2.22 函数F22 19611.2.23 函数F23 198第12章 智能优化算法性能测试 20012.1 智能优化算法性能测试方法 20012.1.1 平均值 20012.1.2 标准差 20012.1.3 最优值和最差值 20112.1.4 收敛曲线 20212.2 测试案例 20212.2.1 测试函数信息 20212.2.2 测试方法及参数设置 20312.2.3 测试结果 203
展开
近年来,智能优化算法的飞速发展使得越来越多的本科生、研究生、教师、科研工作者及工程技术人员对其进行研究。在使用各种各样新奇、有趣的智能优化算法解决科研或工程问题时,常常会让人觉得智能优化算法的原理深奥、术语晦涩难懂、程序代码实现困难,更不知道采用什么样的标准来衡量不同算法的性能,进而选择合适的智能优化算法解决相应的实际问题。为此,针对上述问题,本书旨在按照智能优化算法的基本原理、代码实现、应用案例、性能测试等逻辑脉络由浅至深地讲解,使读者能够迅速地入门并掌握智能优化算法及其MATLAB代码实现的相关技巧,为在后续的学术研究和工程实践中加以应用。本书分为两个部分,第一部分:智能优化算法及其MATLAB实现,具体包括10种智能优化算法(粒子群优化算法、蚁狮优化算法、果蝇优化算法、萤火虫优化算法、灰狼优化算法、正余弦优化算法、多元宇宙优化算法、引力搜索算法、树种优化算法、风驱动优化算法)原理讲述、MATLAB实现、应用案例实现及分析;第二部分:智能优化算法性能测试,具体包括智能优化算法基准测试集简介和智能优化算法性能测试方法。本书具有如下特点:(1)对于智能优化算法原理及MATLAB代码的实现,本书阐述更加细致,便于读者理解算法原理和代码编写的意图和逻辑。(2)本书的应用案例聚焦相同案例的MATLAB实现与分析,读者在学习和理解不同专业案例背景时往往需要花费很大的精力和时间,为此,本书使用相同案例,便于读者更加聚焦不同智能优化算法本身的理解、比较、掌握。(3)本书介绍智能优化算法的性能测试方法,帮助读者分析不同算法的优缺点,从理性的视角选择更加合适的智能优化算法来解决相应的科研或工程问题。为便于读者学习和参考,注册并登录华信教育网(https://www.hxedu.com.cn/)可以免费下载本书实例源代码。读者在本书的学习过程中,如果遇到疑难问题,可以发邮件到邮箱ioa2021@163.com,编者会及时解答。在本书编写过程中,除了引用智能优化算法的原始文献,还参考了国内外相关研究的文献及有价值的博士、硕士学位论文等,感谢被本书直接或间接引用文献资料的同行学者们!本书的出版始终得到电子工业出版社的大力支持,在此表示由衷的感谢!由于编著者水平有限,书中错误和疏漏之处在所难免,诚恳地期望得到各位专家和读者朋友们批评指正。
编 者 2021年9月
展开