图书介绍
群体智能优化算法及其应用PDF|Epub|txt|kindle电子书版本网盘下载
- 孙家泽，王曙燕著 著
- 出版社： 北京：科学出版社
- ISBN：9787030528988
- 出版时间：2017
- 标注页数：265页
- 文件大小：43MB
- 文件页数：279页
- 主题词：计算机算法－最优化算法
PDF下载
下载说明
群体智能优化算法及其应用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 最优化问题及分类1
1.2 典型启发式算法3
1.2.1 遗传算法4
1.2.2 模拟退火算法6
1.2.3 禁忌搜索算法10
1.3 群体智能算法12
1.4 三维文物虚拟拼接处理中的问题14
1.4.1 引言14
1.4.2 多特征提取及融合匹配识别问题16
1.4.3 多碎片的全局拼接问题18
1.4.4 问题小结20
1.5 可信软件自动化测试中的关键问题21
1.5.1 基于搜索的可信软件自动化测试21
1.5.2 组合测试用例生成22
1.5.3 测试用例扩增24
1.5.4 测试用例选择25
1.5.5 问题小结26
1.6 本书研究思路26
1.7 本书的内容结构27
参考文献30
第2章 经典群体智能算法36
2.1 粒子群优化算法36
2.1.1 粒子群优化算法简介36
2.1.2 基本粒子群优化算法37
2.1.3 粒子群优化算法的特点38
2.1.4 离散粒子群优化算法39
2.1.5 粒子群优化算法的研究现状39
2.2 蚁群优化算法43
2.2.1 蚁群优化算法的起源与发展43
2.2.2 蚁群算法的基本原理45
2.2.3 蚁群算法的研究进展47
参考文献48
第3章 社会认知优化算法52
3.1 社会认知优化算法简介52
3.1.1 社会学习理论52
3.1.2 社会认知理论53
3.1.3 社会认知优化54
3.1.4 SCO算法基本概念55
3.1.5 SCO算法步骤56
3.1.6 SCO算法研究进展57
3.2 求解非线性方程组的社会认知算法59
3.2.1 问题描述59
3.2.2 SCO算法用于求解非线性方程组59
3.2.3 数值试验与仿真60
3.2.4 SCO算法求解非线性方程组问题总结62
3.3 求解非线性互补问题的熵函数认知优化算法62
3.3.1 问题描述62
3.3.2 非线性互补问题的熵函数法63
3.3.3 用SCO算法求解非线性互补问题64
3.3.4 数值试验与仿真64
3.3.5 结论66
3.4 求解软件可靠性分配问题的社会认知算法66
3.4.1 问题描述66
3.4.2 多模块软件可靠性分配模型66
3.4.3 数值试验与仿真68
3.4.4 结论70
3.5 求解组合Web服务选择问题的认知优化算法70
3.5.1 问题描述70
3.5.2 研究进展70
3.5.3 基本概念71
3.5.4 组合服务选择模型72
3.5.5 极大熵函数法74
3.5.6 组合服务选择算法75
3.5.7 算法实现77
3.5.8 实验与分析79
3.5.9 总结82
参考文献82
第4章 新型社会认知优化算法86
4.1 社会认知优化理论86
4.2 SCO算法的收敛性分析86
4.2.1 随机算法的收敛准则87
4.2.2 SCO算法收敛性证明88
4.3 自然社会认知优化算法89
4.3.1 智商分布统计理论89
4.3.2 混沌优化算法90
4.3.3 精英策略91
4.3.4 HSCO算法步骤92
4.3.5 HSCO算法的全局收敛性93
4.3.6 数值实验分析94
4.4 具有量子行为的SCO算法97
4.4.1 具有量子行为的SCO算法简介97
4.4.2 实验分析及收敛证明98
4.5 本章小结100
本章附录100
参考文献104
第5章 细菌群体趋药性算法及改进106
5.1 细菌群体趋药性算法106
5.1.1 算法原理106
5.1.2 BCC算法步骤106
5.1.3 BCC算法研究进展108
5.2 混沌细菌群体趋药优化算法109
5.2.1 BC算法简介110
5.2.2 BC算法及收敛性分析110
5.2.3 BCC算法及收敛性分析111
5.2.4 CBCC算法111
5.2.5 CBCC算法步骤及收敛性证明113
5.2.6 数值实验分析114
5.3 本章小结120
参考文献121
第6章 三维碎片模型特征提取123
6.1 引言123
6.2 特征轮廓线提取技术124
6.2.1 主轮廓线提取125
6.2.2 次轮廓线提取126
6.2.3 特征轮廓线生成130
6.2.4 实验分析131
6.3 厚度直方图算法132
6.3.1 厚度直方图算法描述132
6.3.2 厚度直方图相似性度量133
6.4 自旋图提取算法134
6.4.1 自旋图生成134
6.4.2 顶点归一化134
6.4.3 自旋图相似性度量135
6.5 本章小结135
参考文献136
第7章 基于证据和区间数的多特征智能融合识别方法138
7.1 引言138
7.2 D-S证据合并理论模型140
7.3 区间数理论141
7.4 区间数生成BPA142
7.4.1 生成原理分析142
7.4.2 用区间数生成BPA143
7.5 D-S的权重值优化143
7.5.1 证据合成理论的权值统一143
7.5.2 D-S权重值优化算法144
7.5.3 权重优化模型144
7.5.4 HSCO算法原理145
7.5.5 HSCO算法优化权重146
7.6 实验分析146
7.7 本章小结151
参考文献151
第8章 基于离散自然社会认知优化算法的全局最优匹配154
8.1 引言154
8.2 基于群体智能的整体匹配原理156
8.3 完全匹配的多碎片匹配算法模型157
8.3.1 编码157
8.3.2 适应值函数159
8.3.3 离散HSCO算法迭代公式160
8.4 部分匹配的多碎片匹配算法模型160
8.4.1 编码161
8.4.2 迭代公式161
8.5 基于DHSCO的全局匹配算法分析161
8.6 实例分析162
8.7 本章小结165
参考文献165
第9章 基于显著特征的智能配准算法167
9.1 引言167
9.2 显著特征点提取169
9.2.1 点云法向量估计和调整169
9.2.2 基于MLS面计算点云曲率170
9.2.3 显著特征提取170
9.3 粗略配准171
9.3.1 获取初始匹配点171
9.3.2 约束剪枝172
9.3.3 基于离散CBCC算法的粗匹配点对优化172
9.4 精细配准175
9.4.1 基于CBCC的最优变换求解175
9.4.2 ICPIF精细配准176
9.5 CBCC算法全局收敛性证明176
9.6 实验分析177
9.7 本章小结180
参考文献180
第10章 基于粒子群算法的测试数据的生成及优化182
10.1 基于K-均值聚类粒子群优化算法的组合测试数据生成182
10.1.1 组合测试数据生成182
10.1.2 组合覆盖测试模型183
10.1.3 基于K-均值的粒子群优化算法184
10.1.4 基于K-PSO的组合测试数据生成186
10.1.5 实例研究与分析187
10.2 改进DPSO生成两两覆盖组合测试数据集189
10.2.1 引言189
10.2.2 基本概念190
10.2.3 离散粒子群优化算法190
10.2.4 改进的离散粒子群优化算法191
10.2.5 实例研究193
10.2.6 本节小结194
10.3 改进粒子群算法求解测试用例最小化问题194
10.3.1 引言195
10.3.2 基本概念195
10.3.3 测试用例最小化技术196
10.3.4 粒子群优化算法197
10.3.5 改进的粒子群优化算法198
10.3.6 实例研究200
10.3.7 本节小结203
参考文献203
第11章 基于进化算法的测试数据生成205
11.1 基于改进异质协同演化的测试数据生成205
11.1.1 异质协同演化算法206
11.1.2 GADE算法的改进以及在测试数据生成中的应用206
11.1.3 系统实现及结果分析211
11.1.4 本节小结213
11.2 基于Tent映射的分阶段组合测试数据生成214
11.2.1 引言214
11.2.2 测试数据生成问题215
11.2.3 Tent映射及Tent序列215
11.2.4 Tent映射分阶段生成测试数据216
11.2.5 实例分析220
11.2.6 本节小结222
参考文献222
第12章 基于自适应粒子群算法的测试数据扩增方法224
12.1 引言224
12.2 回归测试数据扩增的数学模型225
12.2.1 基本概念225
12.2.2 测试数据扩增的数学模型226
12.3 回归测试数据集扩增方法226
12.3.1 初始种群的选择226
12.3.2 自适应粒子群算法227
12.3.3 基于自适应粒子群算法的测试数据集扩增模型228
12.3.4 算法步骤229
12.4 实例分析230
12.5 实验231
12.5.1 实验设置231
12.5.2 实验结果232
12.6 本章小结233
参考文献233
第13章 基于蚁群算法的组合测试用例的生成与优化235
13.1 基于序优化蚁群算法的成对交互测试用例集生成235
13.1.1 引言235
13.1.2 交互测试235
13.1.3 成对交互测试用例集问题与蚁群算法表示236
13.1.4 基于序优化蚂蚁系统的算法237
13.1.5 仿真实验239
13.2 基于蚁群算法生成三三交互测试用例集242
13.2.1 引言242
13.2.2 蚁群算法的启发信息改进242
13.2.3 测试用例集的生成算法244
13.2.4 算法仿真实验与分析246
13.3 基于蚁群算法生成变强度交互测试用例集247
13.3.1 引言247
13.3.2 问题定义模型249
13.3.3 变强度理论背景251
13.3.4 变强度的起源与发展252
13.3.5 AC-VSTG策略254
参考文献258
第14章 总结与展望261
14.1 本书小结261
14.2 工作展望264