粒子群算法及其应用

图书标准信息

• 作者 段晓东 王存睿 刘向东 编
• 出版社 辽宁大学出版社
• 出版时间 2007-12
• 版次 1
• ISBN 9787561047439
• 定价 38.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 261页
• 字数 330千字

【内容简介】

粒子群算法（PSO）不仅仅是一种高效的优化计算技术，其中也蕴含群体进化所形
  成的复杂生存策略和学习机制。首先，从鸟群行为规律和人类社会学习理论等方面
  系统地论述了粒子群算法的学习机制和信息利用策略；其次，系统地介绍了多种群
  协作和保持群体多样性等算法改进机制与粒子群算法的融合模型。

  在粒子群算法的工程应用领域，本书较详细地讲述了算法在约束优化、多目标优化和组合优化中的学习策略和编码方案，同时给出了粒子群算法在数据挖掘诸多领域的应用实例，如神经网络训练、分类器设计、聚类分析和网络社区发现等，并给出了详细的代码设计。

  本书适合高等院校高年级本科生、研究生阅读，也可供研究群智能理论的有关人员参考。

【目录】

目  录

第1章 绪论 1

1.1 群智能概述2

1.2 群智能仿真3

1.2.1 群体生物行为的复杂性3

1.2.2 生物群体行为的仿真  6

1.2.3 基于Agent的系统模型仿真7

1.3 群智能计算8

1.3.1蚁群算法9

1.3.2粒子群算法简介11

1.4 本书的组织12

参考文献14

第2章 基本粒子群算法及其起源17

2.1 粒子系统17

2.2 从鸟群行为规律到粒子群算法20

2.3 由社会认知心理学到粒子群算法23

2.4 由演化计算衍生粒子群算法26

2.5 基本粒子群算法29

2.5.1 粒子群算法的行为参数设置30

2.5.2 基本粒子群算法的算法流程33

2.5.3 粒子群简单实例及算法实现33

参考文献40

第3章 粒子群算法的改进42

3.1 参数改进型粒子群算法42

3.1.1 惯性因子改进模型42

3.1.2 收敛性分析及收敛因子43

3.1.3 具有时变加速因子的自组织粒子群算法49

3.1.4 信息结构与中值粒子群算法52

3.2 基于模式结构的改进算法56

3.2.1不同拓扑结构改进型粒子群算法57

3.2.2 社会分工粒子群算法58

3.2.3 协同粒子群算法60

3.2.4 自然选择粒子群算法61

3.2.5 动态系统自适应粒子群算法61

3.2.6全连通粒子群算法62

3.3 基于种群多样性的改进算法67

3.3.1 基于种群熵的自适应粒子群算法67

3.3.2 不同种群结构的描述72

3.3.3 种群多样性与种群结构的关系74

3.4 全局算法77

3.4.1 序列生境技术77

3.4.2 函数延伸80

3.5 离散粒子群算法81

3.6 并行粒子群算法81

3.6.1 主从式并行粒子群模型81

3.6.2 孤岛型并行粒子群模型84

3.6.3元胞结构并行粒子群模型85

3.6.4 并行模型的复杂度分析86

3.6.5 并行算法模型的可扩展性87

3.6.6 元胞并行粒子群模型收敛分析88

参考文献89

第4章 粒子群算法与优化计算92

4.1 最优化问题92

4.1.1 函数优化问题93

4.1.2 组合优化问题94

4.1.3 邻域函数与局部搜索95

4.1.4 优化中的No Free Lunch 理论96

4.2 约束优化问题97

4.2.1 惩罚函数98

4.2.2 粒子群算法求解约束优化103

4.3 粒子群算法与多目标规划105

4.3.1 多目标优化问题描述105

4.3.2 非支配解106

4.3.3 偏好结构107

4.3.4 基本求解方法108

4.3.5 问题的结构和特性111

4.3.6 多目标规划的粒子群求解111

4.4 粒子群算法在组合优化中的应用117

4.4.1 旅行商问题117

4.4.2 最小生成树问题120

参考文献126

第5章 粒子群算法同其它仿生算法的融合130

5.1 粒子群算法与神经网络方法的融合130

5.1.1 人工神经网络模型131

5.1.2 基于粒子群算法的神经网络训练算法137

5.1.3 粒子群算法与神经网络融合的其它应用140

5.2 粒子群算法与遗传算法的融合145

5.2.1 遗传算法简介145

5.2.2 带交叉和子群的混合粒子群算法145

5.2.3 基于粒子群的混合遗传算法146

5.3 粒子群算法与其它仿生算法的比较152

5.3.1  算法的相同点152

5.3.2  算法的差异153

参考文献155

第6章 粒子群算法在数据挖掘中的应用157

6.1 数据挖掘功能及方法157

6.1.1 数据挖掘功能158

6.1.2 数据挖掘方法163

6.2 粒子群算法在数据分类中的应用165

6.2.1 数据分类的主要分类算法165

6.2.2 基于粒子群算法的分类规则挖掘174

6.3 粒子群算法在数据聚类中的应用182

6.3.1 聚类算法的分类182

6.3.2 典型的划分方法183

6.3.3 基于粒子群的聚类算法187

6.3.4 应用实例187

6.3.5 基于粒子群聚类算法的图像分割189

6.4 粒子群算法在Web社区识别中的应用193

6.4.1 传统的Web网络社区结构发现算法193

6.4.2 基于粒子群算法的网络社区划分模型194

6.4.3 孤立点修复策略196

6.4.4 测试及结果分析197

参考文献202

附录205

A 粒子群算法相关国际学术组织及其会议205

B 源程序清单206

B.1 基于PSO的多层前馈神经网络分类器程序206

B.2 基于粒子群算法的分类器程序220

B.3 基于粒子群算法的混合遗传算法解MST程序244