人工蜂群算法及其應(yīng)用

序
前言
第 1章緒論 1
1.1 最優(yōu)化問(wèn)題與最優(yōu)化方法 1
1.1.1 優(yōu)化的概念與數(shù)學(xué)模型 1
1.1.2 最優(yōu)化問(wèn)題與方法的分類(lèi) 3
1.1.3 最優(yōu)化問(wèn)題的復(fù)雜性及 NP理論 4
1.2 最優(yōu)化算法的研究與發(fā)展 5
1.3 群體智能優(yōu)化算法概述 7
1.4 幾種群體智能優(yōu)化算法簡(jiǎn)介 8
1.4.1 標(biāo)準(zhǔn)遺傳算法 8
1.4.2 粒子群算法 10
1.4.3 蟻群算法 12
1.4.4 人工魚(yú)群算法 14
1.5 人工蜂群算法研究與應(yīng)用概述 16
1.5.1 人工蜂群算法的提出與改進(jìn) 16
1.5.2 人工蜂群算法與其他算法的融合 19
1.5.3 人工蜂群算法在多領(lǐng)域中的應(yīng)用 21
1.5.4 人工蜂群算法總結(jié) 29
1.6 本章小結(jié) 30 參考文獻(xiàn) 30
第 2章基本人工蜂群算法 47
2.1 人工蜂群算法基本概念 47
2.2 人工蜂群算法實(shí)現(xiàn)步驟 53
2.3 人工蜂群算法搜索策略分析 56
2.4 應(yīng)用實(shí)例：基本測(cè)試函數(shù)的優(yōu)化 56
2.5 人工蜂群算法的特點(diǎn)及參數(shù)設(shè)置 57
2.6 MATLAB程序設(shè)計(jì) 58
2.7 本章小結(jié) 62
參考文獻(xiàn) 63
第 3章人工蜂群算法的性能分析與改進(jìn) 66
3.1 人工蜂群算法收斂性證明 66
3.1.1 人工蜂群算法的 Markov鏈模型 66
3.1.2 人工蜂群算法收斂性證明 68
3.2 人工蜂群算法參數(shù)對(duì)優(yōu)化結(jié)果的影響分析 71
3.3 整數(shù)人工蜂群算法 72
3.3.1 整數(shù)優(yōu)化的人工蜂群算法 72
3.3.2 實(shí)驗(yàn)結(jié)果與分析 72
3.4 量子人工蜂群算法 74
3.4.1 量子計(jì)算 74
3.4.2 量子人工蜂群算法 74
3.4.3 實(shí)驗(yàn)結(jié)果與分析 77
3.5 小生境人工蜂群算法 78
3.5.1 小生境技術(shù) 78
3.5.2 小生境人工蜂群算法 79
3.5.3 實(shí)驗(yàn)結(jié)果與分析 80
3.6 全局人工蜂群算法 83
3.6.1 基本人工蜂群算法的不足 83
3.6.2 全局人工蜂群算法 84
3.6.3 實(shí)驗(yàn)結(jié)果與分析 86
3.7 MATLAB程序設(shè)計(jì) 89
3.8 本章小結(jié) 94 參考文獻(xiàn)