智能優(yōu)化算法改進(jìn)：從入門到MATLAB、Python編程實(shí)踐
定 價(jià)：99 元
當(dāng)前圖書已被 1 所學(xué)校薦購過！
查看明細(xì)
- 作者：陳克偉，魏曙光，范旭
- 出版時(shí)間：2024/12/1
- ISBN：9787302697091
- 出 版 社：清華大學(xué)出版社
- 中圖法分類：O242.23
- 頁碼：
- 紙張：膠版紙
- 版次：
- 開本：16開
《智能優(yōu)化算法改進(jìn)：從入門到MATLAB、Python編程實(shí)踐》以粒子群算法為切入點(diǎn)，系統(tǒng)介紹多種常用的智能算法改進(jìn)策略與思路，旨在幫助讀者掌握優(yōu)化算法的改進(jìn)方法。讀者可結(jié)合具體問題，參考本書為不同智能優(yōu)化算法篩選并應(yīng)用合適的改進(jìn)策略。同時(shí)，本書特別呈現(xiàn)了多種相對(duì)復(fù)雜的改進(jìn)粒子群算法實(shí)例，供讀者深入學(xué)習(xí)和借鑒。書中所有算法均提供MATLAB和Python雙語言實(shí)現(xiàn)，方便不同語言背景的讀者參考。全書共分7章：第1章詳解粒子群算法原理及其編程實(shí)現(xiàn)；第2章闡釋智能優(yōu)化算法基準(zhǔn)測試集；第3章介紹智能優(yōu)化算法評(píng)價(jià)指標(biāo)；第4章探討混沌映射理論；第5章展示基于混沌映射理論的算法改進(jìn)；第6章分析基于隨機(jī)變異改進(jìn)的粒子群算法；第7章研究多策略改進(jìn)的粒子群算法。
（1）聚焦經(jīng)典，掌握精髓：以粒子群算法切入，詳解數(shù)十種實(shí)用改進(jìn)策略（混沌映射、隨機(jī)變異、多策略融合）。（2）雙語言實(shí)現(xiàn)，零障礙學(xué)習(xí)：所有算法均提供MATLAB+Python完整可運(yùn)行代碼，直接驗(yàn)證、快速上手。（3）案例驅(qū)動(dòng)，解決真問題：包含完整建模過程與改進(jìn)應(yīng)用案例（如函數(shù)尋優(yōu)、算法對(duì)比測試），省時(shí)省力。（4）內(nèi)容扎實(shí)，即查即用：涵蓋基準(zhǔn)測試集、評(píng)價(jià)指標(biāo)、深入改進(jìn)方案（自適應(yīng)權(quán)重、競爭學(xué)習(xí)、粒子調(diào)度），學(xué)生做研究、工程師搞開發(fā)都能用。
前言
近年來，為了在一定程度上解決大空間、非線性、全局尋優(yōu)、組合優(yōu)化等復(fù)雜問題，智能優(yōu)化算法得到了快速發(fā)展和廣泛應(yīng)用。智能優(yōu)化算法，通常稱為元啟發(fā)式算法，包括粒子群算法、遺傳算法、模擬退火算法、禁忌搜索算法、蟻群算法等。元啟發(fā)式算法的常見靈感來源通�？筛爬樯铩⑽锢�、化學(xué)、社會(huì)等系統(tǒng)或領(lǐng)域中的相關(guān)行為、功能、經(jīng)驗(yàn)、規(guī)則、作用機(jī)理等，因其獨(dú)特的優(yōu)點(diǎn)和機(jī)制，在國內(nèi)外得到了學(xué)者們廣泛的關(guān)注，正在不斷演化和飛速發(fā)展，在信號(hào)處理、圖像處理、生產(chǎn)任務(wù)分配、路徑規(guī)劃、自主自動(dòng)控制等眾多領(lǐng)域得到了成功應(yīng)用。
智能優(yōu)化算法的改進(jìn)不斷發(fā)展，涌現(xiàn)了很多不同的改進(jìn)智能優(yōu)化算法，改進(jìn)智能優(yōu)化算法也成了研究熱點(diǎn)。
本書介紹多種智能算法改進(jìn)的常用策略和思路，幫助讀者學(xué)習(xí)如何對(duì)智能優(yōu)化算法進(jìn)行改進(jìn)。讀者可以針對(duì)不同的問題，以此書為參考，對(duì)不同的智能優(yōu)化算法選擇合適的改進(jìn)策略進(jìn)行改進(jìn)。
本書特色
（1）經(jīng)典入門，策略普適：從經(jīng)典的粒子群算法講起，重點(diǎn)介紹常用且實(shí)用的改進(jìn)策略。這些策略思路清晰、易于理解，讀者能輕松掌握并靈活套用到其他優(yōu)化算法中。
（2）雙語言實(shí)現(xiàn)，學(xué)習(xí)無障礙： 所有算法均提供 MATLAB 和 Python 兩種語言的完整代碼，無論讀者習(xí)慣哪種編程語言，都能無障礙地學(xué)習(xí)、運(yùn)行和驗(yàn)證。
（3）案例驅(qū)動(dòng)，拿來即用：書中包含豐富的實(shí)際案例，并配有完整的建模過程講解和可直接運(yùn)行的代碼。初學(xué)者能快速上手，獲得啟發(fā)；工程師和研究人員能省去大量查資料、寫代碼的時(shí)間，直接應(yīng)用現(xiàn)成方案解決實(shí)際問題。
（4）深入理解，快速掌握：通過具體的代碼實(shí)例，讀者能更透徹地理解算法原理，更快地學(xué)會(huì)如何運(yùn)用這些算法工具。
（5）基礎(chǔ)扎實(shí)，擴(kuò)展性強(qiáng)：對(duì)每種算法，不僅講解基礎(chǔ)應(yīng)用，也涵蓋多優(yōu)化策略等更深入的方向，為感興趣的讀者打下堅(jiān)實(shí)基礎(chǔ)，指明深入研究路徑。
讀者服務(wù)
讀者可掃描二維碼獲取本書配套源碼或其他學(xué)習(xí)資料，也可以加入讀者群，下載的學(xué)習(xí)資源或反饋書中的問題。
陳克偉，原陸軍裝甲兵學(xué)院兵器與控制系講師。2006年7月畢業(yè)于西安交通大學(xué)電氣工程學(xué)院，獲工學(xué)學(xué)士學(xué)位；2008年12月畢業(yè)于國防科技大學(xué)智能科學(xué)學(xué)院（原機(jī)電工程與自動(dòng)化學(xué)院），獲工學(xué)碩士學(xué)位。主要研究電氣工程與智能控制。出版圖書4本，發(fā)表論文20余篇，授權(quán)發(fā)明專利20余項(xiàng)，獲科技進(jìn)步二等獎(jiǎng)2項(xiàng)。魏曙光，原陸軍裝甲兵學(xué)院兵器與控制系副教授。1998年畢業(yè)于原裝甲兵工程學(xué)院，2013年獲工學(xué)博士學(xué)位，主要從事電氣工程與智能控制，車輛綜合電力等方面的研究工作。出版專著/教材7本，發(fā)表論文50余篇，授權(quán)發(fā)明專利20余項(xiàng)，曾獲國家科技進(jìn)步二等獎(jiǎng)1項(xiàng)，科技進(jìn)步一等獎(jiǎng)3項(xiàng)。范旭，國內(nèi)某芯片公司高級(jí)工程師，畢業(yè)于西南交通大學(xué)獲工學(xué)碩士學(xué)位。主要專注圖像算法，優(yōu)化算法，圖形架構(gòu)設(shè)計(jì)領(lǐng)域，出版圖書3本。
目錄
第 1 章 粒子群算法原理及其編程實(shí)現(xiàn) 1
1.1 粒子群算法的基本原理 1
1.2 粒子算法的 MATLAB 實(shí)現(xiàn) 3
1.2.1 種群初始化 3
1.2.2 適應(yīng)度函數(shù) 5
1.2.3 邊界檢查和約束函數(shù) 6
1.2.4 粒子群算法代碼 7
1.3 粒子群算法的 Python 實(shí)現(xiàn) 9
1.3.1 種群初始化 9
1.3.2 適應(yīng)度函數(shù) 11
1.3.3 邊界檢查和約束函數(shù) 12
1.3.4 粒子群算法代碼 13
1.4 基于粒子群算法的函數(shù)尋優(yōu) 14
1.4.1 問題描述 14
1.4.2 適應(yīng)度函數(shù)設(shè)計(jì) 16
1.4.3 主函數(shù)設(shè)計(jì) 16
第 2 章 智能優(yōu)化算法基準(zhǔn)測試集 19
2.1 基準(zhǔn)測試集簡介 19
2.2 基準(zhǔn)測試函數(shù)繪圖以及測試函數(shù)代碼編寫 21
2.2.1 F1 函數(shù) 21
2.2.2 F2 函數(shù) 23
2.2.3 F3 函數(shù) 24
2.2.4 F4 函數(shù) 26
2.2.5 F5 函數(shù) 28
2.2.6 F6 函數(shù) 30
2.2.7 F7 函數(shù) 32
2.2.8 F8 函數(shù) 33
2.2.9 F9 函數(shù) 35
2.2.10 F10 函數(shù) 37
2.2.11 F11 函數(shù) 39
2.2.12 F12 函數(shù) 41
2.2.13 F13 函數(shù) 43
2.2.14 F14 函數(shù) 46
2.2.15 F15 函數(shù) 48
2.2.16 F16 函數(shù) 50
2.2.17 F17 函數(shù) 52
2.2.18 F18 函數(shù) 53
2.2.19 F19 函數(shù) 55
2.2.20 F20 函數(shù) 58
2.2.21 F21 函數(shù) 60
2.2.22 F22 函數(shù) 62
2.2.23 F23 函數(shù) 64
第 3 章 智能優(yōu)化算法評(píng)價(jià)指標(biāo) 67
3.1 平均值 67
3.2 標(biāo)準(zhǔn)差 67
3.3 值和最差值 68
3.4 Wilcoxon 秩和檢驗(yàn) 69
3.5 Friedman 秩和檢驗(yàn) 70
3.6 收斂曲線 71
第 4 章 混沌映射理論 73
4.1 Chebyshev 混沌映射 73
4.1.1 基本原理 73
4.1.2 代碼實(shí)現(xiàn) 74
4.2 Circle 混沌映射 75
4.2.1 基本原理 75
4.2.2 代碼實(shí)現(xiàn) 75
4.3 Gauss 混沌映射 77
4.3.1 基本原理 77
4.3.2 代碼實(shí)現(xiàn) 77
4.4 Iterative 混沌映射 79
4.4.1 基本原理 79
4.4.2 代碼實(shí)現(xiàn) 79
4.5 Logistic 混沌映射 81
4.5.1 基本原理 81
4.5.2 代碼實(shí)現(xiàn) 81
4.6 Piecewise 混沌映射 83
4.6.1 基本原理 83
4.6.2 代碼實(shí)現(xiàn) 83
4.7 Sine 混沌映射 85
4.7.1 基本原理 85
4.7.2 代碼實(shí)現(xiàn) 85
4.8 Singer 混沌映射 87
4.8.1 基本原理 87
4.8.2 代碼實(shí)現(xiàn) 87
4.9 Sinusoidal 混沌映射 89
4.9.1 基本原理 89
4.9.2 代碼實(shí)現(xiàn) 89
4.10 Tent 混沌映射 91
4.10.1 基本原理 91
4.10.2 代碼實(shí)現(xiàn) 91
4.11 Fuch 混沌映射 93
4.11.1 基本原理 93
4.11.2 代碼實(shí)現(xiàn) 93
4.12 SPM 混沌映射 95
4.12.1 基本原理 95
4.12.2 代碼實(shí)現(xiàn) 95
4.13 ICMIC 混沌映射 97
4.13.1 基本原理 97
4.13.2 代碼實(shí)現(xiàn) 97
4.14 Tent-Logistic-Cosine 混沌映射 99
4.14.1 基本原理 99
4.14.2 代碼實(shí)現(xiàn) 99
4.15 Logistic-Sine-Cosine 混沌映射 101
4.15.1 基本原理 101
4.15.2 代碼實(shí)現(xiàn) 101
4.16 Sine-Tent-Cosine 混沌映射 103
4.16.1 基本原理 103
4.16.2 代碼實(shí)現(xiàn) 103
4.17 Henon 混沌映射 105
4.17.1 基本原理 105
4.17.2 代碼實(shí)現(xiàn) 105
4.18 Cubic 混沌映射 107
4.18.1 基本原理 107
4.18.2 代碼實(shí)現(xiàn) 107
4.19 Logistic-Tent 混沌映射 109
4.19.1 基本原理 109
4.19.2 代碼實(shí)現(xiàn) 109
4.20 Bernoulli 混沌映射 111
4.20.1 基本原理 111
4.20.2 代碼實(shí)現(xiàn) 111
第 5 章 基于混沌映射理論的算法改進(jìn) 113
5.1 種群初始化改進(jìn) 113
5.1.1 基于混沌映射改進(jìn)種群初始化的粒子群算法 113
5.1.2 基于混沌映射改進(jìn)種群初始化的粒子群算法的尋優(yōu)求解 150
5.2 種群內(nèi)部擾動(dòng) 170
5.2.1 基于混沌映射改進(jìn)的粒子群算法 170
5.2.2 基于混沌映射改進(jìn)的粒子群算法的尋優(yōu)求解 204
第 6 章 基于隨機(jī)變異改進(jìn)的粒子群算法 218
6.1 基于高斯變異改進(jìn)的粒子群算法 218
6.1.1 高斯變異 218
6.1.2 基于高斯變異改進(jìn)的粒子群算法代碼實(shí)現(xiàn) 219
6.2 基于柯西變異改進(jìn)的粒子群算法 223
6.2.1 柯西變異 223
6.2.2 基于柯西變異改進(jìn)的粒子群算法代碼實(shí)現(xiàn) 224
6.3 基于 t 分布變異改進(jìn)的粒子群算法 228
6.3.1 t 分布變異 228
6.3.2 基于 t 分布變異改進(jìn)的粒子群算法代碼實(shí)現(xiàn) 229
6.4 基于反向?qū)W習(xí)改進(jìn)的粒子群算法 233
6.4.1 反向?qū)W習(xí)策略 233
6.4.2 基于反向?qū)W習(xí)改進(jìn)的粒子群算法代碼實(shí)現(xiàn) 233
6.5 基于透鏡反向?qū)W習(xí)改進(jìn)的粒子群算法 237
6.5.1 透鏡反向?qū)W習(xí)策略 237
6.5.2 基于透鏡反向?qū)W習(xí)改進(jìn)的粒子群算法代碼實(shí)現(xiàn) 238
6.6 基于 Levy 飛行改進(jìn)的粒子群算法 243
6.6.1 Levy 飛行 243
6.6.2 基于 Levy 飛行改進(jìn)的粒子群算法代碼實(shí)現(xiàn) 244
6.7 基于隨機(jī)變異改進(jìn)的粒子群算法測試 248
6.7.1 函數(shù)封裝 248
6.7.2 代碼實(shí)現(xiàn) 249
6.7.3 尋優(yōu)求解 254
第 7 章 多策略改進(jìn)的粒子群算法 260
7.1 曲線遞增策略的自適應(yīng)粒子群算法 260
7.1.1 曲線遞增策略 260
7.1.2 代碼實(shí)現(xiàn) 261
7.1.3 尋優(yōu)求解對(duì)比 265
7.2 加權(quán)變異的粒子群算法 269
7.2.1 自適應(yīng)權(quán)重和自適應(yīng)學(xué)習(xí)因子 269
7.2.2 加權(quán)變異 269
7.2.3 高斯擾動(dòng) 270
7.2.4 代碼實(shí)現(xiàn) 271
7.2.5 尋優(yōu)求解對(duì)比 276
7.3 具備自糾正和逐維學(xué)習(xí)能力的粒子群算法 279
7.3.1 糾正策略 279
7.3.2 Pbest 指導(dǎo) Gbest 的逐維學(xué)習(xí)策略 280
7.3.3 具備自糾正和逐維學(xué)習(xí)能力的粒子群算法 281
7.3.4 代碼實(shí)現(xiàn) 282
7.3.5 尋優(yōu)求解對(duì)比 287
7.4 基于競爭學(xué)習(xí)的粒子群優(yōu)化算法 290
7.4.1 競爭學(xué)習(xí)機(jī)制 290
7.4.2 代碼實(shí)現(xiàn) 292
7.4.3 尋優(yōu)求解對(duì)比 296
7.5 基于緊湊度和調(diào)度處理的粒子群優(yōu)化算法 300
7.5.1 緊湊度 300
7.5.2 粒子調(diào)度處理的方法 301
7.5.3 代碼實(shí)現(xiàn) 302
7.5.4 尋優(yōu)求解對(duì)比 307
參考文獻(xiàn) 311
書單推薦
