智能微粒群算法研究及应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

智能微粒群算法研究及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

前言1

第1章 绪论1

1.1引言1

1.2群体智能及典型算法实现2

1.3微粒群算法的起源5

1.4微粒群算法的研究及应用领域纵览6

1.4.1微粒群算法的改进6

1.4.2微粒群算法的应用7

1.5微粒群算法的总体特征及作者的工作8

第2章 基本微粒群算法描述及研究成果11

2.1基本微粒群算法的提出11

2.2基本微粒群算法描述14

2.2.1微粒群算法基本原理14

2.2.2基本微粒群算法描述15

2.3微粒群算法流程17

2.4微粒群算法的改进综述18

2.4.1离散二进制模型19

2.4.2参数的选择与设计20

对惯性权重ω的调整20

带收敛因子的微粒群算法21

对vmax的动态调整22

具有空间特性的微粒群寻优模式22

2.4.3邻域拓扑结构23

2.4.4群体组织与进化25

2.4.5混合微粒群算法28

2.5微粒群算法的收敛性研究31

2.5.1保证局部收敛的微粒群算法32

2.5.2保证全局收敛的微粒群算法32

SPSO算法模型33

SPSO算法的收敛性分析33

2.6微粒群算法的参数效能统计分析37

2.6.1方差分析37

2.6.2实验方法40

第3章 微粒群算法的应用综述45

3.1优化问题求解45

3.1.1约束优化问题求解45

3.1.2规划问题求解46

3.1.3离散空间组合优化问题求解46

3.1.4多目标优化问题求解47

3.2机器人领域48

3.2.1机器人控制与协调48

3.2.2移动机器人路径规划49

3.3电力系统领域49

3.3.1电力系统优化与设计49

3.3.2电力系统参数辨识、估计与调整53

3.3.3电力系统负载分配及调度54

3.4交通运输领域56

3.4.1车辆路径规划56

3.4.2交通事故探测57

3.5通讯领域58

3.5.1路由选择及移动通信基站布置优化58

3.5.2天线阵列控制59

3.5.3偏振模色散补偿60

3.6计算机领域62

3.6.1任务分配问题62

3.6.2数据分类62

3.6.3图像处理63

3.7工程设计与优化领域64

3.7.1神经网络训练64

3.7.2电路及滤波器设计65

3.7.3半导体器件综合66

3.7.4布局优化问题66

3.7.5控制器设计与优化66

3.7.6其他领域67

3.8工业生产优化领域68

3.8.1机械领域68

3.8.2化工领域70

3.9生物医学领域70

3.10电磁学领域73

第4章 基本微粒群算法参数分析及改进75

4.1基本微粒群算法的参数分析75

4.2微粒群算法改进思路77

4.3微粒群算法的改进实例80

4.3.1带惯性权重和收敛因子的微粒群算法80

4.3.2耗散微粒群算法81

4.3.3结合进化计算技巧的微粒群算法83

带选择的微粒群算法83

带高斯变异的微粒群算法86

带繁殖和子种群的微粒群算法87

4.3.4模糊自适应微粒群优化算法89

4.3.5多阶段微粒群算法93

4.3.6协同微粒群优化算法94

4.3.7带空间微粒扩展的微粒群优化算法96

4.3.8保证局部收敛的微粒群优化算法98

4.3.9含积分控制项的微粒群优化算法100

第5章 基于微粒群算法的典型优化问题求解模式102

5.1非线性约束优化问题求解102

5.1.1非线性约束优化问题描述102

5.1.2罚函数法103

5.1.3死亡罚函数微粒群混合算法103

5.1.4数值仿真结果与分析105

5.2模糊隶属度函数优化问题求解106

5.2.1模糊隶属度函数优化问题介绍106

5.2.2待解决的问题108

5.2.3 PSO训练模块描述109

PSO算法模块的组成110

解的PSO描述112

评价函数112

算法陈述113

结论113

5.3多目标优化问题求解114

5.3.1多目标优化问题114

5.3.2多目标微粒群算法115

算法提出115

算法分析117

算法流程118

实验119

5.4最小最大问题求解123

5.4.1最小最大问题描述123

5.4.2共同进化微粒群算法求解最小最大化问题126

5.4.3问题的陈述127

5.4.4协同进化微粒群算法129

5.5旅行商问题求解131

5.5.1旅行商问题131

5.5.2交换子和交换序132

5.5.3求解TSP的微粒群算法133

5.5.4实验与结论134

第6章 微粒群算法的典型应用136

6.1移动机器人路径规划136

6.1.1问题描述与建模136

6.1.2移动机器人全局路径规划138

用Dijkstra算法求链接图最短路径138

微粒群算法实现139

6.1.3仿真结果140

6.2车辆路径规划问题求解142

6.2.1带时间窗车辆路径规划问题描述及数学模型143

6.2.2求解车辆路径问题的微粒群算法145

构造微粒的表达方式145

算法实现过程146

6.2.3实验结果及分析147

6.3基于微粒群算法的神经网络训练150

6.3.1神经网络训练150

6.3.2用于神经网络训练的微粒群算法151

6.3.3使用协同微粒群优化算法训练积单元神经网络152

6.4电力系统无功功率补偿问题154

6.4.1问题的提出154

6.4.2配电网络无功补偿优化模型155

目标函数155

约束条件157

6.4.3仿真实验158

6.5微粒群算法在数据挖掘中的应用159

6.5.1数据挖掘基本原理159

6.5.2结构设计与算法160

一类规则探索算法——微粒群优化算法161

规则描述162

规则评估——建立参考点163

——规则集构造164

——规则集合综合评价164

预处理流程——数据提取165

后处理流程——数据修改和数据集清除165

6.6数字电路进化问题求解166

6.7训练支持向量机169

6.7.1问题描述169

6.7.2支持向量机170

6.7.3支持向量机训练机171

6.7.4用于训练支持向量机的微粒群算法173

线性微粒群算法173

训练支持向量机175

微粒群算法的实现177

结论177

6.8任务分配问题求解178

6.8.1问题描述178

6.8.2形式问题的定义179

6.8.3算法实现181

6.8.4总结183

第7章 微粒群算法的拓展及应用184

7.1微粒群算法的离散二进制模型184

7.1.1离散空间表达184

7.1.2改变的改变”的含义变化185

7.1.3代表概率186

7.2多阶段离散微粒群优化算法187

7.3离散微粒群算法的应用188

7.3.1用于数字曲线最优多边形近似问题求解188

问题定义190

微粒表示和适应度评价191

混合策略192

具体算法193

7.3.2用于机组组合优化问题的离散微粒群优化算法194

问题描述195

算法描述197

用离散二进制微粒群算法求解机组组合优化问题198

第8章 微粒群算法改进研究201

8.1基于多元最优信息规划的微粒群优化算法201

8.1.1一种传统的改进型算法描述201

8.1.2基于多元最优信息规划的微粒群算法设计思路202

8.1.3 MOPPSO算法的实现流程204

8.1.4 MOPPSO算法数值仿真实验206

8.1.5实验1：对称随机分布初始化208

8.1.6实验2：非对称初始化随机分布215

8.1.7仿真结果分析219

8.1.8总结221

8.2微粒群优化信息的分组延迟通讯传播模式221

8.2.1算法改进思路222

8.2.2微粒群优化信息的分组延迟通讯传播模式设计222

8.2.3 GBMPSO算法流程设计225

8.2.4 GBMPSO算法的仿真与比较226

8.2.5仿真结果分析233

8.2.6对称随机初始化分布实验234

8.2.7总结236

8.3微粒群最优信息的模糊自适应规划算法236

8.3.1总体思路237

8.3.2微粒群最优信息的模糊规划算法238

8.3.3微粒群模糊规划引导器设计239

8.3.4两输入一维模糊控制结构下的模糊规划引导设计240

模糊变量确定及模糊化240

模糊规则推理242

模糊规划引导输出的解模糊化243

8.3.5微粒群模糊规划引导算法流程244

8.3.6微粒群最优信息的模糊自适应规划引导算法仿真实验246

数值仿真实验246

仿真结果分析247

8.3.7单变量二维状态输入模糊控制结构模糊规划引导设计250

8.3.8总结252

8.4本章小结252

第9章 微粒群算法在半导体封装测试生产线工序参数优化中的应用研究254

9.1总体思路254

9.2半导体封装测试生产线255

半导体封装测试生产线概述255

半导体封装测试生产工艺流程256

9.3半导体封装生产线建模258

半导体封装生产线工艺258

半导体封装生产线建模258

9.4工序参数优化设计与仿真262

工序参数优化设计与实现262

计算机仿真结果与结论267

9.5半导体封装调度模型及微粒群优化思路269

分离图调度模型269

非线性约束优化模型271

半导体封装调度的微粒群优化思路273

9.5.3.1求解分离图模型的离散微粒群算法273

9.5.3.2求解约束优化问题的混合微粒群算法276

9.6本章小结277

第10章 总结及展望278

10.1总结278

10.2进一步的工作展望281

参考文献283