鸽群优化
正版保障 假一赔十 可开发票
￥ 127.12 6.4折 ￥ 198 全新
库存4件
广东广州
认证卖家担保交易快速发货售后保障
作者段海滨，霍梦真著
出版社科学出版社
ISBN9787030763358
出版时间2023-09
装帧精装
开本其他
定价198元
货号13965947
上书时间2024-09-04
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
目录
目录
序
前言
第1章 绪论 1
1.1 引言 1
1.2 鸽子习性 4
1.3 鸽子导航特点 7
1.3.1 太阳因素 8
1.3.2 地磁场因素 8
1.3.3 地形地标因素 9
1.3.4 其他因素 10
1.4 鸽子导航历史 10
1.5 鸽群优化算法起源 14
1.6 鸽群优化算法进展 19
1.6.1 要素更换 22
1.6.2 算子增加 23
1.6.3 结构调整 24
1.6.4 应用扩展 25
1.7 本书结构 26
1.8 本章小结 27
参考文献 27
第2章 鸽群优化算法 41
2.1 引言 41
2.2 很优化问题 44
2.3 算法介绍 45
2.3.1 算法模型 45
2.3.2 算法流程 47
2.3.3 算法特点 49
2.4 本章小结 50
参考文献 50
第3章 鸽群优化理论 54
3.1 引言 54
3.2 基于马尔可夫链的收敛性理论证明 55
3.2.1 问题描述 55
3.2.2 算法设计 58
3.2.3 理论分析 59
3.2.4 仿真实验 61
3.3 改进多目标鸽群优化算法分析 66
3.3.1 算法设计 66
3.3.2 理论分析 71
3.3.3 仿真实验 75
3.4 基于鞅理论的收敛性分析 87
3.4.1 问题描述 87
3.4.2 理论分析 88
3.5 基于平均收益模型的首达时间分析 93
3.5.1 理论分析 93
3.5.2 仿真实验 96
3.6 异构鸽群优化算法特性分析 97
3.6.1 算法设计 97
3.6.2 特性分析 99
3.7 本章小结 105
参考文献 105
第4章 鸽群优化改进模型 109
4.1 引言 109
4.2 离散鸽群优化 110
4.2.1 算法设计 110
4.2.2 仿真实验 115
4.3 二进制鸽群优化 119
4.3.1 算法设计 119
4.3.2 仿真实验 121
4.4 广义鸽群优化 123
4.4.1 算法设计 123
4.4.2 仿真实验 125
4.5 进化博弈鸽群优化 129
4.5.1 算法设计 130
4.5.2 仿真实验 131
4.6 莱维飞行鸽群优化 132
4.6.1 系统设计 132
4.6.2 算法设计 135
4.6.3 仿真实验 137
4.7 多目标鸽群优化 138
4.7.1 算法设计 139
4.7.2 仿真实验 140
4.8 本章小结 141
参考文献 141
第5章 基于鸽群优化的任务规划 147
5.1 引言 147
5.2 集群编队 148
5.2.1 自适应鸽群优化集群编队 148
5.2.2 量子鸽群优化紧密编队 153
5.3 避障飞行 164
5.3.1 分层学习多目标鸽群优化编队避障 164
5.3.2 社会学习多目标鸽群优化编队避障 178
5.4 航路规划 186
5.4.1 自适应量子鸽群优化航路规划 186
5.4.2 动态离散鸽群优化路径规划 195
5.5 协同搜索 209
5.5.1 协同进化鸽群优化区域搜索 209
5.5.2 多机制融合鸽群优化协同搜索 221
5.6 本章小结 232
参考文献 232
第6章 基于鸽群优化的自主控制 236
6.1 引言 236
6.2 控制参数优化 237
6.2.1 高斯鸽群优化自适应控制 237
6.2.2 鲁棒鸽群优化姿态控制 246
6.3 无人机自主着舰 258
6.3.1 柯西变异鸽群优化自主着舰 258
6.3.2 捕食–逃逸鸽群优化自主着舰 269
6.4 自主空中加油 282
6.4.1 异构综合学习鸽群优化自主空中加油 282
6.4.2 变权重变异鸽群优化自主空中加油 288
6.5 本章小结 296
参考文献 297
第7章 基于鸽群优化的信息处理 301
7.1 引言 301
7.2 图像处理 302
7.2.1 正交鸽群优化图像复原 302
7.2.2 空间变分辨率鸽群优化目标识别 318
7.3 数据挖掘 326
7.3.1 组合多目标鸽群优化数据聚类 326
7.3.2 融合粒子群鸽群优化数据预测 339
7.4 本章小结 348
参考文献 348
第8章 基于鸽群优化的电气能控 353
8.1 引言 353
8.2 系统节能 354
8.2.1 COSR 策略多目标鸽群潮流优化 354
8.2.2 和声鸽群优化智能调度 362
8.2.3 离散知识型鸽群优化车间能效 369
8.3 器件控制 377
8.3.1 PCHS 策略鸽群优化磁场线圈 377
8.3.2 融合策略鸽群优化无刷电机 385
8.4 本章小结 392
参考文献 392
第9章 研究前沿与展望 395
9.1 引言 395
9.2 模型改进 395
9.3 理论深化 396
9.4 并行实现 397
9.5 仿生硬件 398
9.6 应用拓展 399
9.7 本章小结 399
参考文献 400
CONTENTS
Foreword
Preface
Chapter 1 Exordium 1
1.1 Introduction 1
1.2 Habits and Behavior of Pigeon 4
1.3 Navigation Characteristics of Pigeon 7
1.3.1 Solar Information 8
1.3.2 Magnetic Information 8
1.3.3 Landscape Information 9
1.3.4 Other Information 10
1.4 History of Pigeon Navigation 10
1.5 Origin of Pigeon-Inspired Optimization 14
1.6 Advances in Pigeon-Inspired Optimization 19
1.6.1 Component Replacement 22
1.6.2 Operation Addition 23
1.6.3 Structure Adjustment 24
1.6.4 Application Expansion 25
1.7 Organization of This Book 26
1.8 Summary 27
References 27
Chapter 2 Pigeon-Inspired Optimization Algorithm 41
2.1 Introduction 41
2.2 Optimization Problem 44
2.3 Introduction of PIO Algorithm 45
2.3.1 Model of PIO Algorithm 45
2.3.2 Process of PIO Algorithm 47
2.3.3 Characteristics of PIO Algorithm 49
2.4 Summary 50
References 50
Chapter 3 Theory of Pigeon-Inspired Optimization 54
3.1 Introduction 54
3.2 Convergence Analysis Based on Markov Chain 55
3.2.1 Problem Description 55
3.2.2 Algorithm Design 58
3.2.3 Theory Analysis 59
3.2.4 Simulation Experiments 61
3.3 Theory Analysis of Multi-Objective Pigeon-Inspired Optimization 66
3.3.1 Algorithm Design 66
3.3.2 Theory Analysis 71
3.3.3 Simulation Experiments 75
3.4 Convergence Analysis Based on Martingale Theory 87
3.4.1 Problem Description 87
3.4.2 Theory Analysis 88
3.5 Runtime analysis Based on Average Gain Model 93
3.5.1 Theory Analysis 93
3.5.2 Simulation Experiments 96
3.6 Characteristic Analysis of Heterogeneous Pigeon-Inspired Optimization 97
3.6.1 Algorithm Design 97
3.6.2 Characteristic Analysis 99
3.7 Summary 105
References 105
Chapter 4 Improved Model of Pigeon-Inspired Optimization 109
4.1 Introduction 109
4.2 Discrete Pigeon-Inspired Optimization 110
4.2.1 Algorithm Design 110
4.2.2 Simulation Experiments 115
4.3 Binary Pigeon-Inspired Optimization 119
4.3.1 Algorithm Design 119
4.3.2 Simulation Experiments 121
4.4 Generalized Pigeon-Inspired Optimization 123
4.4.1 Algorithm Design 123
4.4.2 Simulation Experiments 125
4.5 Pigeon-Inspired Optimization Based on Evolutionary Game Theory 129
4.5.1 Algorithm Design 130
4.5.2 Simulation Experiments 131
4.6 Lévy Flight Based Pigeon-Inspired Optimization 132
4.6.1 System Design 132
4.6.2 Algorithm Design 135
4.6.3 Simulation Experiments 137
4.7 Multi-Objective Pigeon-Inspired Optimization, 138
4.7.1 System Design 139
4.7.2 Algorithm Design 140
4.8 Summary 141
References 141
Chapter 5 Mission Planning Based on Pigeon-Inspired Optimization 147
5.1 Introduction 147
5.2 Swarm Formation 148
5.2.1 Adaptive Pigeon-Inspired Optimization 148
5.2.2 Quantum Behavior Based Pigeon-Inspired Optimization 153
5.3 Obstacle Avoidance Flight 164
5.3.1 Hierarchical Learning Multi-Objective Pigeon-Inspired Optimization 164
5.3.2 Social Learning Multi-Objective Pigeon-Inspired Optimization 178
5.4 Path Planning 186
5.4.1 Adaptive Operator Quantum-behaved Pigeon-Inspired Optimization 186
5.4.2 Dynamic Discrete Pigeon-Inspired Optimization 195
5.5 Cooperative Search 209
5.5.1 Coevolution Pigeon-Inspired Optimization 209
5.5.2 Cooperative Pigeon-Inspired Optimization 221
5.6 Summary 232
References 232
Chapter 6 Autonomous Control Based on Pigeon-Inspired Optimization 236
6.1 Introduction 236
6.2 Control Parameter Optimization 237
6.2.1 Gaussian Pigeon-Inspired Optimization for Autonomous Control 237
6.2.2 Fractional Pigeon-Inspired Optimization for Robust Attitude Control 246
6.3 Automatic Carrier Landing 258
6.3.1 Cauchy Mutation Pigeon-Inspired Optimization for Automatic Carrier Landing 258
6.3.2 Predator-Prey Pigeon-Inspired Optimization for Automatic Landing System 269
6.4 Autonomous Aerial Refueling 282
6.4.1 Heterogeneous Comprehensive Learning Pigeon-Inspired Optimization for Autonomous Aerial Refueling 282
6.4.2 Variable Weighted Mutant Pigeon-Inspired Optimization for Autonomous Aerial Refueling 288
6.5 Summary 296
References 297
Chapter 7 Information Process Based on Pigeon-Inspired Optimization 301
7.1 Introduction 301
7.2 Image Processing 302
7.2.1 Orthogonal Pigeon-Inspired Optimization for Image Restoration 302
7.2.2 Space Variant Resolution Pigeon-Inspired Optimization for Object Recognition 318
7.3 Data Mining 326
7.3.1 Combinatorial Multi-Objective Pigeon-Inspired Optimization for Clustering 326
7.3.2 Improved Pigeon-Inspired Optimization for Air Quality Prediction 339
7.4 Summary 348
References 348
Chapter 8 Electrical Energy Control Based on Pigeon-Inspired Optimization 353
8.1 Introduction 353
8.2 System Energy Conservation 354
8.2.1 COSR Rule and Modified Pigeon-Inspired Optimization for Power Flow 354
8.2.2 Harmony Pigeon Inspired Optimization for Appliance Scheduling 362
8.2.3 Discrete Knowledge Pigeons-Inspired Optimization for Energy Efficiency 369
8.3 Electronic component control 377
CONTENTS · xv ·
8.3.1 PCHS Pigeons-Inspired Optimization for Magnetic Field 377
8.3.2 ADID Pigeons-Inspired Optimization for DC brushless motor 385
8.4 Summary 392
References 392
Chapter 9 Research Frontiers and Prospects 395
9.1 Introduction 395
9.2 Model Improvement 395
9.3 Theory Deepening 396
9.4 Parallel Realization 397
9.5 Bio-inspired Hardware 398
9.6 Application Extension 399
9.7 Summary 399
References 400
内容摘要
《鸽群优化》系统深入地阐述了鸽群优化的起源、原理、模型、理论、改进及应用，力图概括该算法自提出以来的国内外近期新研究进展。《鸽群优化》共9章，主要包括鸽群优化思想起源和研究现状，鸽群优化机制原理、数学模型和实现流程，鸽群优化收敛性理论证明、*达时间及参数选择，鸽群优化模型改进，鸽群优化在任务规划、自主控制、信息处理、电气能控等领域的典型应用，以及鸽群优化研究前沿与展望。《鸽群优化》面向工程实际应用，突出前沿学科交叉，强调理论基础支撑，着眼优化技术发展，取材新颖，深入浅出，覆盖面广，系统性强，力求使广大读者能快速掌握和应用这一新兴的仿生群体智能优化方法。
精彩内容
《鸽群优化》系统深入地阐述了鸽群优化的起源、原理
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价