相關商品
商品簡介
作者簡介
名人/編輯推薦
目次
商品簡介
潘峰、李位星、高琪等編著的《粒子群優化算法
與多目標優化》從算法背景、算法理論、算法求解單 目標和多目標問題等方面介紹了粒子群優化算法。
全書共9章，主要內容包括：緒論、粒子群優化
算法概述、粒子群優化算法特性分析、標準PSO的采 樣分布分析和粒子軌跡分析、標準PSO算法的穩定性
分析、標準PSO算法的馬爾科夫鏈分析、單目標粒子 群優化算法、多目標粒子群優化算法、多目標粒子群 算法的改進。
《粒子群優化算法與多目標優化》取材新穎，覆
蓋面較廣，深入淺出，注重理論與實驗相結合，不僅 適用于初學者，也可作為高等學校及科研院所電子信
息、自動化、計算機、信息科學等相關專業的研究生 和高年級本科生的專業參考書，還可供相關教師和工 程技術人員參考。
作者簡介
潘峰，男，1978年6月生。云南昆明人，博士。2000年和2005年在北京理工大學自動控制系和自動化學院分別獲得學士和博士學位，畢業后，留校任教，2007年在Indiana UniVersity-Purdue University Indianapolis大學從事博士后研究一年，2009年晉升副教授。現擔任中國人工智能學會理事。《自動化學報》《計算機學報》《電子學報》《控制理論與應用》等多家國內著名期刊評委。主要研究興趣為：智能優化計算與非傳統計算、復雜動態系統建模與優化控制等。先后承擔國家自然科學基金1項、多項國防預研項目及橫向合作項目、獲省部級科研三等獎兩項、發表論文三十余篇、發明專利四項。
名人/編輯推薦
《粒子群優化算法與多目標優化》取材新穎，覆蓋面較廣，深入淺出，注重理論與實驗相結合，不僅適用于初學者，也可作為高等學校及科研院所電子信息、自動化、計算機、信息科學等相關專業的研究生和高年級本科生的專業參考書，還可供相關教師和工程技術人員參考。
目次
第1章緒論
1.1引言
1.2最優化問題
1.2.1局部優化和全局優化
1.2.2無免費午餐定理
1.3群體智能概述
1.3.1群智能的基本原則與特點
1.3.2蟻群算法
1.3.3粒子群優化算法
1.4粒子群優化算法的現狀及其應用
1.4.1PSO算法的理論分析
1.4.2PSO的改進策略
1.4.3PSO應用現狀
1.5小結
第2章粒子群優化算法概述
2.1隨機搜索算法的基本框架
2.2基本粒子群算法的形式化描述
2.3粒子群算法的數學模型
2.3.1帶慣性權重的PSO模型
2.3.2帶收縮系數的PSO模型
2.3.3Bare Bones Particle Swarm模型
2.3.4混合型PSO模型
2.3.5P Approximate Kalman Swarm（PAKS）模型
2.3.6FIPS模型
2.3.7PSO連續模型
2.4粒子群算法的拓撲結構
2.4.1靜態鄰居拓撲結構
2.4.2動態鄰居拓撲結構
2.5粒子群算法的評價指標
2.5.1準確性
2.5.2可靠性
2.5.3魯棒性
2.5.4多樣性
2.6多樣性研究
2.6.1多樣性的定義
2.6.2群體多樣性的歸一化
2.6.3粒子群優化算法的早熟收斂
2.7小結
第3章粒子群優化算法特性分析
3.1PSO的Gbest模型分析
3.2PSO的Pbest模型分析
3.3標準PSO單信息最大搜索空間描述
3.4標準PSO與BBPS相似性分析
3.4.1單信息最大搜索空間的描述分析
3.4.2初始位置向量階乘衰減因子分析
3.4.3初始速度向量的加權參數分析
3.4.4標準PSo與BBPS的相似性討論
3.5參數在概率意義下的遺忘特性
3.6小結
第4章標準PSO的采樣分布分析和粒子軌跡分析
4.1標準PSO的采樣分布分析和停滯時的收斂性分析
4.1.1計算E的動態方程
4.1.2計算E和Dev的動態方程
4.1.3帶隨機性粒子的穩定性分析
4.2粒子運動軌跡的位置分析
4.3小結
第5章標準PSID算法的穩定性分析
5.1常系數PSO動態系統
5.2時變PSO動態系統
5.3驗證實驗
5.3.1慣量因子協調粒子群優化算法
5.3.2加速因子協調粒子群優化算法
5.3.3協調粒子群優化算法全局收斂性
5.4小結
第6章標準PSO算法的馬爾科夫鏈分析
6.1標準PSO算法單個粒子馬氏鏈分析
6.2PSO群體馬氏鏈分析
6.3PSO各參數對其優化效果的影響分析
6.3.1群體規模的影響
6.3.2慣性權重ω的影響
6.3.3PSO加速度因子c的影響
6.4標準PSO算法以一定概率搜索到全局最優解
6.5小結
第7章單目標粒子群優化算法
7.1基于拓撲結構的粒子群改進算法
7.2基于數學模型的粒子群改進算法
7.3混合粒子群優化算法
7.3.1基于遺傳算法的粒子群優化算法
7.3.2基于模擬退火算法的粒子群優化算法
7.3.3基于混沌優化思想的混沌粒子群優化算法（CPSO）
7.3.4基于PSO與混合蛙跳融合的群體智能算法
7.4基于多群體的粒子群優化算法
7.4.1引入禁忌搜索的雙群體粒子群算法（TSBBPSO）
7.4.2縱向參數多子群粒子群算法
7.4.3基于可拓學的多群體粒子群優化算法
7.4.4自適應雙群粒子群優化算法
7.4.5基于信息擴散機制的雙子群粒子群優化算法
7.5小結
第8章多目標粒子群優化算法
8.1多目標優化問題
8.1.1多目標優化問題的發展
8.1.2多目標優化問題數學模型和基本概念
8.1.3多目標優化問題的基準函數及性能指標
8.1.4多目標優化方法分類
8.2MOPSO的分類
8.2.1根據不同的選擇機制
8.2.2根據不同的決策機制
8.3密度度量與多樣性保持
8.4性能度量
8.5小結
第9章多目標粒子群算法的改進
9.1自適應檔案網格MOPSO（CMOPSO）
9.2多目標全面學習粒子群優化算法（MOCLPSO）
9.3基于距離的PSO改進算法（DISMOPSO）
9.4小結
參考文獻
1.1引言
1.2最優化問題
1.2.1局部優化和全局優化
1.2.2無免費午餐定理
1.3群體智能概述
1.3.1群智能的基本原則與特點
1.3.2蟻群算法
1.3.3粒子群優化算法
1.4粒子群優化算法的現狀及其應用
1.4.1PSO算法的理論分析
1.4.2PSO的改進策略
1.4.3PSO應用現狀
1.5小結
第2章粒子群優化算法概述
2.1隨機搜索算法的基本框架
2.2基本粒子群算法的形式化描述
2.3粒子群算法的數學模型
2.3.1帶慣性權重的PSO模型
2.3.2帶收縮系數的PSO模型
2.3.3Bare Bones Particle Swarm模型
2.3.4混合型PSO模型
2.3.5P Approximate Kalman Swarm（PAKS）模型
2.3.6FIPS模型
2.3.7PSO連續模型
2.4粒子群算法的拓撲結構
2.4.1靜態鄰居拓撲結構
2.4.2動態鄰居拓撲結構
2.5粒子群算法的評價指標
2.5.1準確性
2.5.2可靠性
2.5.3魯棒性
2.5.4多樣性
2.6多樣性研究
2.6.1多樣性的定義
2.6.2群體多樣性的歸一化
2.6.3粒子群優化算法的早熟收斂
2.7小結
第3章粒子群優化算法特性分析
3.1PSO的Gbest模型分析
3.2PSO的Pbest模型分析
3.3標準PSO單信息最大搜索空間描述
3.4標準PSO與BBPS相似性分析
3.4.1單信息最大搜索空間的描述分析
3.4.2初始位置向量階乘衰減因子分析
3.4.3初始速度向量的加權參數分析
3.4.4標準PSo與BBPS的相似性討論
3.5參數在概率意義下的遺忘特性
3.6小結
第4章標準PSO的采樣分布分析和粒子軌跡分析
4.1標準PSO的采樣分布分析和停滯時的收斂性分析
4.1.1計算E的動態方程
4.1.2計算E和Dev的動態方程
4.1.3帶隨機性粒子的穩定性分析
4.2粒子運動軌跡的位置分析
4.3小結
第5章標準PSID算法的穩定性分析
5.1常系數PSO動態系統
5.2時變PSO動態系統
5.3驗證實驗
5.3.1慣量因子協調粒子群優化算法
5.3.2加速因子協調粒子群優化算法
5.3.3協調粒子群優化算法全局收斂性
5.4小結
第6章標準PSO算法的馬爾科夫鏈分析
6.1標準PSO算法單個粒子馬氏鏈分析
6.2PSO群體馬氏鏈分析
6.3PSO各參數對其優化效果的影響分析
6.3.1群體規模的影響
6.3.2慣性權重ω的影響
6.3.3PSO加速度因子c的影響
6.4標準PSO算法以一定概率搜索到全局最優解
6.5小結
第7章單目標粒子群優化算法
7.1基于拓撲結構的粒子群改進算法
7.2基于數學模型的粒子群改進算法
7.3混合粒子群優化算法
7.3.1基于遺傳算法的粒子群優化算法
7.3.2基于模擬退火算法的粒子群優化算法
7.3.3基于混沌優化思想的混沌粒子群優化算法（CPSO）
7.3.4基于PSO與混合蛙跳融合的群體智能算法
7.4基于多群體的粒子群優化算法
7.4.1引入禁忌搜索的雙群體粒子群算法（TSBBPSO）
7.4.2縱向參數多子群粒子群算法
7.4.3基于可拓學的多群體粒子群優化算法
7.4.4自適應雙群粒子群優化算法
7.4.5基于信息擴散機制的雙子群粒子群優化算法
7.5小結
第8章多目標粒子群優化算法
8.1多目標優化問題
8.1.1多目標優化問題的發展
8.1.2多目標優化問題數學模型和基本概念
8.1.3多目標優化問題的基準函數及性能指標
8.1.4多目標優化方法分類
8.2MOPSO的分類
8.2.1根據不同的選擇機制
8.2.2根據不同的決策機制
8.3密度度量與多樣性保持
8.4性能度量
8.5小結
第9章多目標粒子群算法的改進
9.1自適應檔案網格MOPSO（CMOPSO）
9.2多目標全面學習粒子群優化算法（MOCLPSO）
9.3基于距離的PSO改進算法（DISMOPSO）
9.4小結
參考文獻
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。
優惠價：87
271
絕版無法訂購