• 基于合作协同演化的微粒群计算及其应用
图书条目标准图
21年品牌 40万+商家 超1.5亿件商品

基于合作协同演化的微粒群计算及其应用

41.04 九五品

仅1件

河北廊坊
认证卖家担保交易快速发货售后保障

作者伍大清 著

出版社电子工业出版社

出版时间2015-10

版次1

装帧平装

货号A22

上书时间2024-12-12

   商品详情   

品相描述:九五品
图书标准信息
  • 作者 伍大清 著
  • 出版社 电子工业出版社
  • 出版时间 2015-10
  • 版次 1
  • ISBN 9787121272585
  • 定价 39.00元
  • 装帧 平装
  • 开本 16开
  • 纸张 胶版纸
  • 页数 140页
  • 字数 224千字
  • 正文语种 简体中文
【内容简介】
  《基于合作协同演化的微粒群计算及其应用》围绕粒子群优化算法在优化领域存在的不足,并结合具体工业生产过程的实际应用,对粒子群优化算法进行了改进和应用研究。《基于合作协同演化的微粒群计算及其应用》基于合作协同算法框架,将各种局部优化、全局优化、自适应等策略融入到微粒群优化算法,以克服传统微粒群算法某些方面的缺陷,较大幅度地改进了算法性能,构建了面向大规模复杂优化问题的微粒群智能计算框架体系,并利用通用的组合优化和实数优化问题对算法进行了验证,将其应用于函数优化、柔性车间调度、环境经济调度、带时间窗的车辆路径优化及低碳供应链选址-路径-库存集成优化等实际管理工程复杂问题,在应用过程中体现了合作协同微粒群计算的有效性和实用性,为求解大规模复杂问题提供理论基础与方法支持。《基于合作协同演化的微粒群计算及其应用》可作为计算机、电气自动化技术、管理科学与工程等相关专业高年级本科生或研究生智能计算方法课程的教材,也可作为计算机、电气自动化技术、管理科学与工程等相关行业研究和开发的参考书。
【目录】
目    录

第1章  绪论1
1.1  研究背景与意义1
1.2  国内外研究进展2
1.2.1  合作协同演化算法研究进展2
1.2.2  微粒群优化算法研究进展4
1.2.3  微粒群优化计算典型应用8
1.3  研究目的10
1.4  研究内容10
1.5  创新点11
第2章  相关理论13
2.1  引言13
2.2  最优化理论13
2.2.1  单目标优化问题14
2.2.2  多目标优化问题16
2.3  合作协同演化理论18
2.4  智能计算方法19
2.4.1  微粒群优化算法19
2.4.2  蜂群优化算法22
2.5  小结25
第3章  基于自适应学习的并行协同微粒群算法及理论研究26
3.1  引言26
3.2  基于自适应学习的并行PSO算法26
3.2.1  并行协同演化策略27
3.2.2  自适应学习机制28
3.2.3  HLPSO算法步骤28
3.2.4  HLPSO算法实现29
3.3  自适应学习的并行PSO算法理论基础30
3.3.1  HLPSO算法收敛性分析30
3.3.2  HLPSO算法复杂度分析32
3.4  HLPSO在函数优化中的应用33
3.4.1  测试函数33
3.4.2  均值方差对比35
3.4.3  双侧T-检验36
3.5  小结36
第4章  基于多阶段协同微粒群智能优化算法37
4.1  引言37
4.2  多阶段协同微粒群智能优化算法37
4.2.1  DMPSOABC算法思想37
4.2.2  DMPSOABC算法模型38
4.2.3  DMPSOABC算法描述40
4.2.4  DMPSOABC算法实现41
4.3  DMPSOABC算法时间复杂度分析42
4.4  DMPSOABC算法在函数优化中的应用42
4.4.1  测试函数42
4.4.2  实验目的44
4.4.3  实验环境44
4.4.4  参数设置45
4.4.5  实验结果46
4.5  基于多阶段协同的柔性作业车间智能调度51
4.5.1  柔性作业车间调度问题数学模型51
4.5.2  柔性作业车间调度算法描述52
4.5.3  实例验证56
4.6  小结61
第5章  基于空间自适应划分的动态种群多目标优化算法62
5.1  引言62
5.2  基于空间自适应划分的动态多目标优化算法62
5.2.1  ECMPSO算法思想62
5.2.2  ECMPSO算法模型66
5.2.3  ECMPSO算法描述67
5.3  ECMPSO算法时间复杂度分析68
5.4  实验测试68
5.4.1  测试函数及参数设置68
5.4.2  参数敏感性分析70
5.4.3  测试结果74
5.5  ECMPSO在解决环境经济调度问题中的应用80
5.5.1  环境经济调度的数学模型80
5.5.2  环境经济调度算法描述81
5.5.3  仿真实验与分析82
5.6  小结84
第6章  基于集合编码的车辆路径多目标优化模型及算法86
6.1  引言86
6.2  带时间窗车辆路径多目标优化模型86
6.3  基于集合编码的带时间窗车辆路径多目标优化算法88
6.3.1  算法思想88
6.3.2  种群编码88
6.3.3  初始化种群89
6.3.4  粒子更新90
6.3.5  局部搜索策略93
6.3.6  算法描述93
6.4  实验仿真与结果分析94
6.4.1  测试问题94
6.4.2  性能评价指标94
6.4.3  实验结果95
6.4.4  实例分析99
6.5  小结100
第7章  低碳供应链选址―路径―库存集成优化模型及算法101
7.1  引言101
7.2  考虑碳排放的CLIRP模型103
7.2.1  问题描述及假设103
7.2.2  模型构建104
7.3  基于两阶段协同多目标微粒群的CLRIP决策算法108
7.3.1  算法思想108
7.3.2  算法模型110
7.3.3  算法描述110
7.4  数值与算例分析111
7.5  小结117
第8章  总结与展望118
8.1  本书的主要工作和结论118
8.2  对未来工作的研究展望119
参考文献120
点击展开 点击收起

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP