图书介绍
粒子群优化算法与多目标优化PDF|Epub|txt|kindle电子书版本网盘下载
- 潘峰，李位星，高琪等著 著
- 出版社： 北京：北京理工大学出版社
- ISBN：9787564077112
- 出版时间：2013
- 标注页数：210页
- 文件大小：78MB
- 文件页数：220页
- 主题词：电子计算机－算法理论
PDF下载
下载说明
粒子群优化算法与多目标优化PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1 引言1
1.2 最优化问题2
1.2.1 局部优化和全局优化3
1.2.2 无免费午餐定理4
1.3 群体智能概述5
1.3.1 群智能的基本原则与特点6
1.3.2 蚁群算法7
1.3.3 粒子群优化算法9
1.4 粒子群优化算法的现状及其应用9
1.4.1 PSO算法的理论分析10
1.4.2 PSO的改进策略12
1.4.3 PSO应用现状13
1.5 小结14
第2章 粒子群优化算法概述15
2.1 随机搜索算法的基本框架15
2.2 基本粒子群算法的形式化描述16
2.3 粒子群算法的数学模型19
2.3.1 带惯性权重的PSO模型19
2.3.2 带收缩系数的PSO模型20
2.3.3 Bare Bones Particle Swarm模型20
2.3.4 混合型PSO模型21
2.3.5 P Approximate Kalman Swarm（PAKS）模型22
2.3.6 FIPS模型22
2.3.7 PSO连续模型23
2.4 粒子群算法的拓扑结构23
2.4.1 静态邻居拓扑结构24
2.4.2 动态邻居拓扑结构29
2.5 粒子群算法的评价指标31
2.5.1 准确性31
2.5.2 可靠性31
2.5.3 鲁棒性31
2.5.4 多样性31
2.6 多样性研究32
2.6.1 多样性的定义33
2.6.2 群体多样性的归一化36
2.6.3 粒子群优化算法的早熟收敛40
2.7 小结42
第3章 粒子群优化算法特性分析43
3.1 PSO的Gbest模型分析44
3.2 PSO的Pbest模型分析47
3.3 标准PSO单信息最大搜索空间描述51
3.4 标准PSO与BBPS相似性分析53
3.4.1 单信息最大搜索空间的描述分析53
3.4.2 初始位置向量阶乘衰减因子分析54
3.4.3 初始速度向量的加权参数分析55
3.4.4 标准PSO与BBPS的相似性讨论56
3.5 参数在概率意义下的遗忘特性57
3.6 小结60
第4章 标准PSO的采样分布分析和粒子轨迹分析63
4.1 标准PSO的采样分布分析和停滞时的收敛性分析65
4.1.1 计算E（x（k+1））的动态方程65
4.1.2 计算E［（x(k+1)2］，E（x(k+1)x（k））和Dev（x（k））的动态方程66
4.1.3 带随机性粒子的稳定性分析68
4.2 粒子运动轨迹的位置分析69
4.3 小结72
第5章 标准PSO算法的稳定性分析75
5.1 常系数PSO动态系统76
5.2 时变PSO动态系统77
5.3 验证实验82
5.3.1 惯量因子协调粒子群优化算法82
5.3.2 加速因子协调粒子群优化算法87
5.3.3 协调粒子群优化算法全局收敛性95
5.4 小结97
第6章 标准PSO算法的马尔科夫链分析99
6.1 标准PSO算法单个粒子马氏链分析100
6.2 PSO群体马氏链分析105
6.3 PSO各参数对其优化效果的影响分析108
6.3.1 群体规模的影响108
6.3.2 惯性权重ω的影响108
6.3.3 PSO加速度因子c的影响109
6.4 标准PSO算法以一定概率搜索到全局最优解110
6.5 小结111
第7章 单目标粒子群优化算法113
7.1 基于拓扑结构的粒子群改进算法113
7.2 基于数学模型的粒子群改进算法115
7.3 混合粒子群优化算法115
7.3.1 基于遗传算法的粒子群优化算法116
7.3.2 基于模拟退火算法的粒子群优化算法118
7.3.3 基于混沌优化思想的混沌粒子群优化算法（CPSO）120
7.3.4 基于PSO与混合蛙跳融合的群体智能算法121
7.4 基于多群体的粒子群优化算法122
7.4.1 引入禁忌搜索的双群体粒子群算法（TSBBPSO）123
7.4.2 纵向参数多子群粒子群算法125
7.4.3 基于可拓学的多群体粒子群优化算法127
7.4.4 自适应双群粒子群优化算法130
7.4.5 基于信息扩散机制的双子群粒子群优化算法133
7.5 小结135
第8章 多目标粒子群优化算法137
8.1 多目标优化问题137
8.1.1 多目标优化问题的发展138
8.1.2 多目标优化问题数学模型和基本概念140
8.1.3 多目标优化问题的基准函数及性能指标141
8.1.4 多目标优化方法分类146
8.2 MOPSO的分类153
8.2.1 根据不同的选择机制153
8.2.2 根据不同的决策机制154
8.3 密度度量与多样性保持166
8.4 性能度量168
8.5 小结170
第9章 多目标粒子群算法的改进173
9.1 自适应档案网格MOPSO（CMOPSO）174
9.2 多目标全面学习粒子群优化算法（MOCLPSO）180
9.3 基于距离的PSO改进算法（DISMOPSO）186
9.4 小结192
参考文献193