相關商品
商品簡介
作者簡介
目次
商品簡介
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、正余弦算法、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。
作者簡介
陳克偉，男，陸軍裝甲兵學院。2002.09-2006.07：西安交通大學電氣學院，電氣工程與自動化專業本科；2006.09-2008.12，國防科技大學機電工程與自動化學院 控制科學與工程專業，碩士；2008.12-至今，陸軍裝甲兵學院兵器與控制系教師。教學成果獲獎情況：原總裝備部教學成果三等獎。
目次
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 螞蟻的隨機遊走 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遊走 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 正余弦優化算法及其MATLAB
實現 89
6．1 正余弦優化算法的基本原理 89
6．1．1 正余弦機制 89
6．1．2 正余弦優化算法流程 90
6．2 正余弦優化算法的MATLAB
?實現 91
6．2．1 正余弦位置初始化 91
6．2．2 適應度函數 92
6．2．3 邊界檢查和約束 93
6．2．4 正余弦優化算法代碼 94
6．3 正余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：基於正余弦
優化算法的壓力容器設計 97
6．4 正余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
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 螞蟻的隨機遊走 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遊走 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 正余弦優化算法及其MATLAB
實現 89
6．1 正余弦優化算法的基本原理 89
6．1．1 正余弦機制 89
6．1．2 正余弦優化算法流程 90
6．2 正余弦優化算法的MATLAB
?實現 91
6．2．1 正余弦位置初始化 91
6．2．2 適應度函數 92
6．2．3 邊界檢查和約束 93
6．2．4 正余弦優化算法代碼 94
6．3 正余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：基於正余弦
優化算法的壓力容器設計 97
6．4 正余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
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。