智能优化算法及其MATLAB实例(第2版)

智能优化算法及其MATLAB实例(第2版)

优化问题是指在满足一定条件下,在众多方案或参数值中寻找最优方案或参数值,以使得某个或多个功能指标达到最优,或使系统的某些性能指标达到最大值或最小值。优化问题广泛地存在于信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域。优化方法是一种以数学为基础,用于求解各种优化问题的应用技术。各种优化方法在上述领域得到了广泛应用,并且已经产生了巨大的经济效益和社会效益。实践证明,通过优化方法,能够提高系统效率,降低能耗,合理地利用资源,并且随着处理对象规模的增加,这种效果也会更加明显。
在电子、通信、计算机、自动化、机器人、经济学和管理学等众多学科中,不断地出现了许多复杂的组合优化问题。面对这些大型的优化问题,传统的优化方法(如牛顿法、单纯形法等)需要遍历整个搜索空间,无法在短时间内完成搜索,且容易产生搜索的“组合爆炸”[1]。例如,许多工程优化问题,往往需要在复杂而庞大的搜索空间中寻找最优解或者准最优解。鉴于实际工程问题的复杂性、非线性、约束性以及建模困难等诸多特点,寻求高效的优化算法已成为相关学科的主要研究内容之一。
受到人类智能、生物群体社会性或自然现象规律的启发,人们发明了很多智能优化算法来解决上述复杂优化问题,主要包括:模仿自然界生物进化机制的遗传算法;通过群体内个体间的合作与竞争来优化搜索的差分进化算法;模拟生物免疫系统学习和认知功能的免疫算法;模拟蚂蚁集体寻径行为的蚁群算法;模拟鸟群和鱼群群体行为的粒子群算法;源于固体物质退火过程的模拟退火算法;模拟人类智力记忆过程的禁忌搜索算法;模拟动物神经网络行为特征的神经网络算法;等等。这些算法有个共同点,即都是通过模拟或揭示某些自然界的现象和过程或生物群体的智能行为而得到发展;在优化领域称它们为智能优化算法,它们具有简单、通用、便于并行处理等特点。

智能优化算法在解决大空间、非线性、全局寻优、组合优化等复杂问题方面具有独特的优势,因而得到了国内外学者的广泛关注,并在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。本书介绍了8种经典智能优化算法――遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法的来源、原理、算法流程和关键参数说明,并给出了具体的MATLAB仿真实例。对于要用这些算法工具来解决具体问题的理论研究和工程技术人员,通过本书可以节省大量查询资料和编写程序的时间,通过仿真实例可以更深入地理解、快速地掌握这些算法。

目    录

第1章  概述 1

1.1  进化类算法 2

1.2  群智能算法 3

1.3  模拟退火算法 5

1.4  禁忌搜索算法 5

1.5  神经网络算法 6

参考文献 6

第2章  遗传算法 9

2.1  引言 9

2.2  遗传算法理论 10

2.2.1  遗传算法的生物学基础 10

2.2.2  遗传算法理论基础 11

2.2.3  遗传算法的基本概念 13

2.2.4  标准遗传算法 16

2.2.5  遗传算法的特点 16

2.2.6  遗传算法的改进方向 17

2.3  遗传算法流程 17

2.4  关键参数说明 19

2.5  MATLAB仿真实例 20

参考文献 35

第3章  差分进化算法 37

3.1  引言 37

3.2  差分进化算法理论 38

3.2.1  差分进化算法原理 38

3.2.2  差分进化算法的特点 38

3.3  差分进化算法种类 39

3.3.1  基本差分进化算法 39

 

3.3.2  差分进化算法的其他形式 41

3.3.3  改进的差分进化算法 42

3.4  差分进化算法流程 43

3.5  关键参数的说明 44

3.6  MATLAB仿真实例 45

参考文献 57

第4章  免疫算法 59

4.1  引言 59

4.2  免疫算法理论 60

4.2.1  生物免疫系统 60

4.2.2  免疫算法概念 62

4.2.3  免疫算法的特点 63

4.2.4  免疫算法算子 63

4.3  免疫算法种类 67

4.3.1  克隆选择算法 67

4.3.2  免疫遗传算法 67

4.3.3  反向选择算法 67

4.3.4  疫苗免疫算法 68

4.4  免疫算法流程 68

4.5  关键参数说明 70

4.6  MATLAB仿真实例 71

参考文献 84

第5章  蚁群算法 87

5.1  引言 87

5.2  蚁群算法理论 88

5.2.1  真实蚁群的觅食过程 88

5.2.2  人工蚁群的优化过程 90

5.2.3  真实蚂蚁与人工蚂蚁的异同 90

5.2.4  蚁群算法的特点 91

5.3  基本蚁群算法及其流程 92

5.4  改进的蚁群算法 95

5.4.1  精英蚂蚁系统 95

5.4.2  最大最小蚂蚁系统 95

5.4.3  基于排序的蚁群算法 96

5.4.4  自适应蚁群算法 96

5.5  关键参数说明 97

5.6  MATLAB仿真实例 99

参考文献 108

第6章  粒子群算法 111

6.1  引言 111

6.2  粒子群算法理论 112

6.2.1  粒子群算法描述 112

6.2.2  粒子群算法建模 113

6.2.3  粒子群算法的特点 113

6.3  粒子群算法种类 114

6.3.1  基本粒子群算法 114

6.3.2  标准粒子群算法 114

6.3.3  压缩因子粒子群算法 115

6.3.4  离散粒子群算法 116

6.4  粒子群算法流程 116

6.5  关键参数说明 117

6.6  MATLAB仿真实例 120

参考文献 135

第7章  模拟退火算法 137

7.1  引言 137

7.2  模拟退火算法理论 138

7.2.1  物理退火过程 138

7.2.2  模拟退火原理 139

7.2.3  模拟退火算法思想 140

7.2.4  模拟退火算法的特点 141

7.2.5  模拟退火算法的改进方向 141

7.3  模拟退火算法流程 142

7.4  关键参数说明 143

7.5  MATLAB仿真实例 145

参考文献 156

第8章  禁忌搜索算法 157

8.1  引言 157

8.2  禁忌搜索算法理论 158

8.2.1  局部邻域搜索 158

8.2.2  禁忌搜索 159

8.2.3  禁忌搜索算法的特点 159

8.2.4  禁忌搜索算法的改进方向 160

8.3  禁忌搜索算法流程 160

8.4  关键参数说明 162

8.5  MATLAB仿真实例 165

参考文献 176

第9章  神经网络算法 179

9.1  引言 179

9.2  神经网络算法理论 180

9.2.1  人工神经元模型 180

9.2.2  常用激活函数 181

9.2.3  神经网络模型 182

9.2.4  神经网络工作方式 182

9.2.5  神经网络算法的特点 183

9.3  BP神经网络算法 184

9.4  神经网络算法的实现 187

9.4.1  数据预处理 187

9.4.2  神经网络实现函数 188

9.5  MATLAB仿真实例 191

参考文献 199

附录A  MATLAB常用命令和函数 201

 

附件下载: (访问密码: 7955)

智能优化算法及其MATLAB实例(第2版)

智能优化算法及其MATLAB实例(第2版)

 

智能优化算法及其MATLAB实例(第2版)【立即下单】—————–

点击下单链接>>>>>>>>|    京东    |     淘宝     |     拼多多     |

相关文件下载地址
©下载资源版权归作者所有;本站所有资源均来源于网络,仅供学习使用,请支持正版!

标签

发表评论