熱力學粒子群優化算法研究及其應用（簡體書）

《熱力學粒子群優化算法研究及其應用》主要闡述粒子群優化算法與熱力學原理混合策略方面的研究成果。全書是在作者博士學位論文的基礎上撰寫而成，共分為七章。第1章從智能算法的角度系統地闡述了智能研究的發展歷程；第2章介紹了粒子群優化算法的兩個思想起源，并從五個方面對粒子群優化算法的研究現狀做了一個簡要的概述；第3-5章將熱力學原理和熱運動機制引入到粒子群優化算法的設計與分析之中，分別從分子力、布朗運動、擴散現象三個層面研究一類融合熱力學機制的粒子群優化算法；第6章把第3-5章提出的改進粒子群優化算法應用于非線性模型的參數估計；第7章基于策略模式設計并實現了粒子群優化算法平臺。
《熱力學粒子群優化算法研究及其應用》可以作為計算機、控制科學、自動化等學科的參考書，也可供從事智能計算和演化優化等方面研究的科研人員閱讀與參考。

第1章 緒論
1.1 智能與智能科學
1.2 人工智能
1.3 計算智能
1.3.1 演化計算
1.3.2 模擬退火算法
1.3.3 禁忌搜索
1.3.4 免疫算法
1.4 群智能
1.4.1 粒子群優化算法
1.4.2 蟻群算法
1.4.3 魚群算法
1.4.4 其他群智能算法

第2章 粒子群優化算法研究現狀
2.1 粒子群優化算法思想起源和發展
2.1.1 粒子群優化算法的思想起源
2.1.2 粒子群優化算法的發展
2.2 粒子群優化算法的理論分析
2.3 粒子群優化算法的種群結構
2.3.1 靜態鄰域拓撲結構研究
2.3.2 動態鄰域拓撲結構研究
2.4 粒子群優化算法的參數選擇及優化
2.5 粒子群優化算法與其他思想的融合
2.6 粒子群優化算法的應用研究

第3章 基于分子運動論的粒子群優化算法
3.1 分子運動論的發展過程
3.2 改進的粒子群優化算法
3.3 實驗仿真與結果分析
3.4 吸引和排斥階段的行為分析
3.4.1 吸引和排斥的比例變化
3.4.2 粒子到群質心距離最大、最小和平均值的變化曲線
3.5 MPSO算法的參數選取及優化
3.5.1 正交試驗設計
3.5.2 基于正交試驗設計的參數選擇和優化

第4章 基于伊藤過程的粒子群優化算法
4.1 伊藤過程
4.2 伊藤算法
4.2.1 伊藤過程的抽象
4.2.2 伊藤算法的框架及關鍵算子的設計
4.3 基于伊藤過程的三種改進粒子群優化算法
4.3.1 具有漂移算子的粒子群優化算法
4.3.2 IPS01算法的初步實驗
4.3.3 具有漂移和波動算子的粒子群優化算法
4.3.4 基于熱力學選擇機制的漂移粒子群優化算法
4.3.5 實驗仿真與結果分析

第5章 基于擴散機制的雙種群粒子群優化算法
5.1 擴散現象
5.2 擴散定律及擴散系數
5.3 融合擴散機制的雙種群粒子群優化算法
5.3.1 相關工作
5.3.2 DPSO算法的思想和流程
5.4 實驗結果及分析
5.5 借鑒不同熱運動機制的PSO算法對比分析

第6章 基于粒子群優化算法的非線性模型參數估計
6.1 參數估計
6.2 非線性模型
6.2.1 漸近回歸模型
6.2.2 Logistic模型
6.3 非線性模型的參數估計
6.3.1 真實數據
6.3.2 隨機采樣數據

第7章 基于策略模式的粒子群優化算法平臺設計
7.1 設計模式
7.2 策略模式
7.3 算法平臺設計與實現
7.3.1 算法平臺設計
7.3.2 算法平臺實現
7.3.3 算法平臺演示
參考文獻