智能計算協(xié)同優(yōu)化算法及應(yīng)用

第1章 緒論 / 1
1．1 智能計算方法概述 / 1
1．2 文化進化和自然進化的協(xié)同 / 14
第2章 理論背景知識 / 19
2．1 優(yōu)化研究基礎(chǔ) / 19
2．1．1 函數(shù)優(yōu)化 / 20
2．1．2 組合優(yōu)化 / 22
2．2 進化算法 / 24
2．2．1 遺傳算法 / 25
2．2．2 進化策略 / 27
2．2．3 進化規(guī)劃 / 28
2．2．4 遺傳算法、進化規(guī)劃和進化策略之間的異同點 / 28
2．3 群體智能 / 30
2．3．1 粒子群優(yōu)化算法 / 30
2．3．2 蟻群優(yōu)化算法 / 34
2．4 量子進化算法 / 38
2．4．1 量子計算概念的產(chǎn)生和發(fā)展 / 39
2．4．2 量子計算的物理原理 / 40
2．4．3 量子計算與經(jīng)典計算相比的重要特點 / 43
2．4．4 量子進化算法的數(shù)學(xué)描述 / 46
2．5 文化算法 / 51
第3章 基于進化規(guī)劃的文化算法設(shè)計 / 55
3．1 引言 / 55
3．2 算法的分析和設(shè)計 / 57
3．2．1 群體空間上的進化 / 58
3．2．2 信仰空間上的進化 / 59
3．2．3 接受函數(shù) / 64
3．2．4 影響函數(shù) / 64
3．3 仿真實驗與結(jié)果分析 / 65
3．4 算法的改進 / 67
3．5 本章總結(jié) / 69
第4章 文化粒子群優(yōu)化算法 / 71
4．1 引言 / 72
4．2 差分進化算法 / 73
4．3 文化差分粒子群優(yōu)化算法 / 78
4．3．1 群體空間的進化：差分粒子群優(yōu)化算法 / 79
4．3．2 信仰空間的設(shè)計和作用 / 82
4．3．3 接受函數(shù) / 86
4．3．4 影響函數(shù) / 86
4．3．5 數(shù)值實驗 / 87
4．3．6 結(jié)果分析 / 91
4．4 群體空間進化算法的改進 / 92
4．4．1 自適應(yīng)變異的差分粒子群優(yōu)化算法 / 92
4．4．2 自適應(yīng)柯西變異粒子群優(yōu)化算法 / 98
4．5 本章總結(jié) / 104
第5章 文化蟻群優(yōu)化算法 / 105
5．1 引言 / 106
5．2 TSP問題描述 / 108
5．3 群體空間上的進化：蟻群系統(tǒng) / 109
5．4 信仰空間的設(shè)計和作用 / 111
5．4．1 信仰空間上的進化 / 111
5．4．2 接受函數(shù) / 112
5．4．3 影響函數(shù) / 112
5．5 實驗研究 / 114
5．5．1 算法的參數(shù)研究 / 115
5．5．2 對比實驗研究 / 117
5．6 本章總結(jié) / 121
第6章 文化免疫量子進化算法 / 122
6．1 引言 / 123
6．2 背包問題描述 / 126
6．3 文化免疫量子進化算法 / 127
6．3．1 免疫的基本概念 / 128
6．3．2 文化和量子協(xié)同進化計算模型 / 130
6．3．3 群體空間上的進化：改進的免疫量子進化算法 / 134
6．3．4 信仰空間的設(shè)計和作用 / 137
6．4 實驗研究 / 139
6．5 算法的收斂性分析 / 144
6．6 本章總結(jié) / 147
第7章 總結(jié)與展望 / 148
7．1 工作的主要創(chuàng)新性成果 / 149
7．2 工作展望 / 153
附錄 部分測試函數(shù) / 156
參考文獻 / 163