智能优化算法及其MATLAB实现

图书标准信息

• 作者 陈克伟
• 出版社 电子工业出版社
• 出版时间 2022-01
• 版次 1
• ISBN 9787121427626
• 定价 59.80元
• 装帧 其他
• 开本 其他
• 纸张 胶版纸
• 页数 216页
• 字数 345.6千字

【内容简介】

智能优化算法作为人工智能的为活跃的研究方向之一，已经在学术界、工业界得到了广泛的应用和实践。为了使读者更全面地掌握并使用Matlab实现智能优化算法，本书由浅至深，分为两个部分：部分：智能优化算法及其Matlab实现，具体包括十种智能优化算法（粒子群算法、蚁狮算法、果蝇优化算法、萤火虫优化算法、灰狼优化算法、正余弦算法、多元宇宙优化算法、引力搜索算法、树种优化算法、风驱动优化算法等）原理讲述、智能优化算法的Matlab实现、智能优化算法的应用案例实现及分析；第二部分：智能优化算法性能测试，具体包括：智能优化算法基准测试集简介和智能优化算法性能测试方法。 本书有助于读者从概念、原理、代码实现、应用案例、测试方法、性能比较分析中逐步掌握不同的智能优化算法。

【作者简介】

陈克伟，男，陆军装甲兵学院。2002.09-2006.07：西安交通大学电气学院，电气工程与自动化专业本科；2006.09-2008.12，国防科技大学机电工程与自动化学院 控制科学与工程专业，硕士；2008.12-至今，陆军装甲兵学院兵器与控制系教师。教学成果获奖情况：原总装备部教学成果三等奖。

【目录】

目　　录

第1章  粒子群优化算法原理及其MATLAB

        实现1

1.1  粒子群优化算法的基本原理1

1.1.1  粒子和速度初始化1

1.1.2  个体历史值和全局值1

1.1.3  粒子群的速度和位置更新2

1.1.4  粒子群优化算法流程2

1.2  粒子群优化算法的MATLAB

    ?实现3

1.2.1  种群初始化3

1.2.2  适应度函数5

1.2.3  边界检查和约束函数5

1.2.4  粒子群优化算法代码6

1.3  粒子群优化算法的应用案例8

1.3.1  求解函数极值8

1.3.2  带约束问题求解：基于粒子群

     优化算法的压力容器设计10

1.4  粒子群优化算法的中间结果13

参考文献16

第2章  蚁狮优化算法原理及其MATLAB

        实现17

2.1  蚁狮优化算法的基本原理17

2.1.1  蚂蚁的随机游走17

2.1.2  设置陷阱18

2.1.3  利用陷阱诱捕蚂蚁18

2.1.4  捕获猎物并重建洞穴19

2.1.5  蚁狮优化算法流程19

2.2  蚁狮优化算法的MATLAB

    ?实现20

2.2.1  种群初始化20

2.2.2  适应度函数22

2.2.3  边界检查和约束22

2.2.4  轮盘赌策略23

2.2.5  蚁狮优化算法的随机游走24

2.2.6  蚁狮优化算法的MATLAB

     代码28

2.3  蚁狮优化算法的应用案例30

2.3.1  求解函数极值30

2.3.2  带约束问题求解：基于蚁狮

     优化算法的压力容器设计32

2.4  蚁狮优化算法的中间结果35

参考文献38

第3章  果蝇优化算法及其MATLAB

        实现39

3.1  果蝇优化算法的基本原理39

3.1.1  果蝇初始化39

3.1.2  果蝇通过气味寻找食物39

3.1.3  果蝇位置更新40

3.1.4  果蝇优化算法流程40

3.2  果蝇优化算法的MATLAB

    ?实现41

3.2.1  果蝇位置初始化41

3.2.2  适应度函数43

3.2.3  边界检查和约束43

3.2.4  果蝇优化算法代码44

3.2.5  改进果蝇优化算法代码45

3.3  果蝇优化算法的应用案例47

3.3.1  求解函数极值47

3.3.2  带约束问题求解：基于果蝇

     优化算法的压力容器设计49

3.4  果蝇优化算法的中间结果51

参考文献55

第4章  萤火虫优化算法及其MATLAB

        实现56

4.1  萤火虫优化算法的基本原理56

4.1.1  萤火虫的相对亮度计算56

4.1.2  萤火虫的吸引度计算56

4.1.3  萤火虫的位置更新56

4.1.4  萤火虫优化算法流程57

4.2  萤火虫优化算法的MATLAB

    ?实现57

4.2.1  萤火虫位置初始化57

4.2.2  适应度函数59

4.2.3  边界检查和约束60

4.2.4  萤火虫优化算法代码60

4.3  萤火虫优化算法的应用案例63

4.3.1  求解函数极值63

4.3.2  带约束问题求解：基于萤火虫

     优化算法的压力容器设计65

4.4  萤火虫优化算法的中间结果67

参考文献70

第5章  灰狼优化算法及其MATLAB

        实现71

5.1  灰狼优化算法的基本原理71

5.1.1  包围猎物71

5.1.2  狩猎72

5.1.3  攻击猎物72

5.1.4  搜索猎物72

5.1.5  灰狼优化算法流程73

5.2  灰狼优化算法的MATLAB

    ?实现74

5.2.1  灰狼位置初始化74

5.2.2  适应度函数75

5.2.3  边界检查和约束76

5.2.4  灰狼优化算法代码77

5.3  灰狼优化算法的应用案例79

5.3.1  求解函数极值79

5.3.2  带约束问题求解：基于灰狼

     优化算法的压力容器设计81

5.4  灰狼优化算法的中间结果84

参考文献88

第6章  正余弦优化算法及其MATLAB

        实现89

6.1  正余弦优化算法的基本原理89

6.1.1  正余弦机制89

6.1.2  正余弦优化算法流程90

6.2  正余弦优化算法的MATLAB

    ?实现91

6.2.1  正余弦位置初始化91

6.2.2  适应度函数92

6.2.3  边界检查和约束93

6.2.4  正余弦优化算法代码94

6.3  正余弦优化算法的应用案例

    ?实验95

6.3.1  求解函数极值95

6.3.2  带约束问题求解：基于正余弦

     优化算法的压力容器设计97

6.4  正余弦优化算法的中间结果100

参考文献102

第7章  多元宇宙优化算法及其MATLAB

        实现104

7.1  多元宇宙优化算法的基本

    ?原理104

7.1.1  宇宙的定义104

7.1.2  传输机制104

7.1.3  虫洞系数105

7.1.4  多元宇宙优化算法流程105

7.2  多元宇宙优化算法的MATLAB

    ?实现106

7.2.1  种群初始化106

7.2.2  适应度函数108

7.2.3  边界检查和约束108

7.2.4  轮盘赌策略109

7.2.5  多元宇宙优化算法代码110

7.3  多元宇宙优化算法的应用

    ?案例112

7.3.1  求解函数极值112

7.3.2  带约束问题求解：基于多元宇宙

     优化算法的压力容器设计115

7.4  多元宇宙优化算法的中间

    ?结果117

参考文献121

第8章  引力搜索算法及其MATLAB

        实现122

8.1  引力搜索算法的基本原理122

8.1.1  万有引力定律122

8.1.2  个体引力计算123

8.1.3  加速度计算124

8.1.4  速度和位置更新124

8.1.5  引力搜索算法流程124

8.2  引力搜索算法的MATLAB

    ?实现125

8.2.1  位置初始化125

8.2.2  适应度函数127

8.2.3  边界检查和约束127

8.2.4  计算质量128

8.2.5  计算引力常数129

8.2.6  计算加速度129

8.2.7  位置更新130

8.2.8  引力搜索算法代码130

8.3  引力搜索算法的应用案例132

8.3.1  求解函数极值132

8.3.2  带约束问题求解：基于引力

     搜索算法的压力容器设计134

8.4  引力搜索算法的中间结果136

参考文献139

第9章  树种优化算法及其MATLAB

        实现140

9.1  树种优化算法的基本原理140

9.1.1  树种的定义及生成140

9.1.2  种子的繁殖140

9.1.3  树种优化算法流程141

9.2  树种优化算法的MATLAB

    ?实现141

9.2.1  种群初始化141

9.2.2  适应度函数143

9.2.3  边界检查和约束143

9.2.4  树种优化算法144

9.3  树种优化算法的应用案例146

9.3.1  求解函数极值146

9.3.2  带约束问题求解：基于树种

     优化算法的压力容器设计148

9.4  树种优化算法的中间结果151

参考文献154

第10章  风驱动优化算法及其MATLAB

         实现155

10.1  风驱动优化算法的基本原理155

10.1.1  参数的定义155

10.1.2  适应度函数的选取155

10.1.3  空气单元运动范围的确定155

10.1.4  风的抽象化及空气单元的

      更新155

10.1.5  风驱动优化算法流程157

10.2  风驱动优化算法的MATLAB

     ?实现158

10.2.1  种群初始化158

10.2.2  适应度函数160

10.2.3  边界检查和约束160

10.2.4  风驱动优化算法161

10.3  风驱动优化算法的应用案例163

10.3.1  求解函数极值163

10.3.2  带约束问题求解：基于风驱动

      优化算法的压力容器设计165

10.4  风驱动优化算法的中间结果168

参考文献171

第11章  智能优化算法基准测试集172

11.1  基准测试集简介172

11.2  基准测试函数绘图与测试函数

     ?代码编写173

11.2.1  函数F1173

11.2.2  函数F2174

11.2.3  函数F3175

11.2.4  函数F4177

11.2.5  函数F5178

11.2.6  函数F6179

11.2.7  函数F7180

11.2.8  函数F8181

11.2.9  函数F9182

11.2.10  函数F10183

11.2.11  函数F11184

11.2.12  函数F12185

11.2.13  函数F13186

11.2.14  函数F14187

11.2.15  函数F15189

11.2.16  函数F16190

11.2.17  函数F17191

11.2.18  函数F18192

11.2.19  函数F19193

11.2.20  函数F20194

11.2.21  函数F21195

11.2.22  函数F22196

11.2.23  函数F23198

第12章  智能优化算法性能测试200

12.1  智能优化算法性能测试方法200

12.1.1  平均值200

12.1.2  标准差200

12.1.3  值和差值201

12.1.4  收敛曲线202

12.2  测试案例202

12.2.1  测试函数信息202

12.2.2  测试方法及参数设置203

12.2.3  测试结果203