擬態(tài)物理學(xué)啟發(fā)的群智能方法

目 錄第1章 緒論 11.1 問題的提出 11.2 群體智能 51.2.1 群體行為模型 71.2.2 群體智能算法 121.2.3 群機器人 171.3 模擬物理學(xué)原理的啟發(fā)式算法 191.3.1 模擬退火算法 191.3.2 類電磁機制算法 201.3.3 中心力算法 221.3.4 EM算法與CFO算法異同比較 241.4 擬態(tài)物理學(xué)方法 261.4.1 擬態(tài)物理學(xué)方法基本框架 261.4.2 基于擬態(tài)物理學(xué)方法的群機器人編隊 281.5 本書篇章結(jié)構(gòu) 30參考文獻(xiàn) 32第2章 基于擬態(tài)物理學(xué)的智能群體群集模型 362.1 基于擬態(tài)物理學(xué)的群集模型 372.1.1 群集模型建立 372.1.2 勢函數(shù)的存在性 392.1.3 參數(shù)分析 402.2 群集模型的穩(wěn)定性分析 442.2.1 內(nèi)聚性分析 452.2.2 個體行為的穩(wěn)定性分析 462.2.3 實例仿真 472.3 群集覓食模型 492.3.1 平面環(huán)境中的群體行為分析 512.3.2 二次函數(shù)環(huán)境中的群體行為分析 522.3.3 高斯環(huán)境中的群體行為分析 542.3.4 實例仿真 56參考文獻(xiàn) 62第3章 基于擬態(tài)物理學(xué)的全局優(yōu)化算法框架 643.1 生物覓食與優(yōu)化算法的映射關(guān)系 643.2 擬態(tài)物理學(xué)優(yōu)化算法框架 703.2.1 初始化種群 713.2.2 計算合力 723.2.3 個體運動 733.2.4 APO算法流程 743.3 作用力規(guī)則設(shè)計 743.3.1 負(fù)指數(shù)作用力規(guī)則 753.3.2 單峰作用力規(guī)則 783.3.3 線性作用力規(guī)則 803.3.4 實例仿真 823.4 質(zhì)量函數(shù)的選擇策略 953.4.1 質(zhì)量函數(shù)的性質(zhì)及構(gòu)造方法 953.4.2 質(zhì)量函數(shù)分類 983.4.3 實例仿真 1003.5 速度上限選擇策略 110參考文獻(xiàn) 112第4章 擬態(tài)物理學(xué)優(yōu)化算法收斂性分析 1144.1 收斂性證明 1154.2 全局收斂性證明 1214.3 引力參數(shù)設(shè)計 1254.3.1 定常引力參數(shù) 1274.3.2 自適應(yīng)引力參數(shù) 1284.3.3 實例仿真 131參考文獻(xiàn) 133第5章 混合擬態(tài)物理學(xué)優(yōu)化算法 1355.1 擴(kuò)展的APO算法 1355.1.1 EAPO算法描述 1365.1.2 EAPO與PSO比較 1375.1.3 實例仿真 1385.2 矢量APO算法 1425.2.1 APO算法的矢量模型 1425.2.2 混合一維搜索的VM-APO算法 1455.2.3 混合多維搜索的VM-APO算法 1475.2.4 實例仿真 1495.3 引入種群多樣性的APO算法 1525.4 引入PD控制器的APO算法 1545.4.1 標(biāo)準(zhǔn)APO 模型分析 1545.4.2 引入后向PD控制器的APO 模型分析 1555.4.3 引入前向PD控制器的APO模型分析 1575.4.4 實例仿真 158參考文獻(xiàn) 161第6章 擬態(tài)物理學(xué)優(yōu)化算法在約束優(yōu)化問題中的應(yīng)用 1626.1 約束優(yōu)化問題模型 1646.2 基于約束保持法的VM-APO算法模型 1646.2.1 可行初始解的產(chǎn)生方法 1646.2.2 混合斐波那契法的VM-APO模型 1686.2.3 混合黃金分割法的VM-APO模型 1726.2.4 實例仿真 1736.3 基于可行性規(guī)則的APO算法模型 1756.3.1 可行性規(guī)則一 1766.3.2 可行性規(guī)則二 1766.3.3 可行性規(guī)則三 1776.3.4 質(zhì)量函數(shù)設(shè)計 1776.3.5 實例仿真 178參考文獻(xiàn) 182第7章 基于擬態(tài)物理學(xué)優(yōu)化算法的群機器人目標(biāo)搜索 1847.1 群機器人目標(biāo)搜索概述 1857.1.1 通信機制 1857.1.2 定位方式 1867.1.3 常見的控制策略 1877.2 擬態(tài)物理學(xué)優(yōu)化算法建模方法 1877.2.1 群機器人目標(biāo)搜索到APO算法的映射 1887.2.2 基于APO算法的群機器人目標(biāo)搜索模型 1927.3 全局感知的群機器人目標(biāo)搜索 1947.3.1 環(huán)境設(shè)置 1947.3.2 控制策略 1967.3.3 算法描述 1987.3.4 仿真實驗 2007.4 局部感知的群機器人目標(biāo)搜索 2037.4.1 時變感知域 2047.4.2 局部感知控制模型 2057.4.3 算法描述 2077.4.4 仿真實驗 210參考文獻(xiàn) 214附錄A 無約束優(yōu)化典型測試函數(shù) 216附錄B 約束優(yōu)化標(biāo)準(zhǔn)測試函數(shù) 220