基本信息
書名自然計算
書號978-7-118-08262-3
作者曾建潮，崔志華
出版時間2012年8月
版次1版1次
開本16
裝幀平裝
出版基金
頁數323
字數405
中圖分類TP183
叢書名
定價79.00
內容簡介
自然計算作為21 世紀計算領域最熱門的研究方向，先後從不同的研究視 角出發，通過模擬不同自然現象，提出了許多算法，並且大多有了不同程度的套用。本書是著者在太原科技大學複雜系統與計算智慧型實驗室十幾年來在 自然計算方面的主要研究工作的總結。主要內容包括自然計算的概念、分類 及研究範疇；遺傳算法的理論及其套用；分布估計算法、思維進化計算及社 會情感最佳化算法；廣義微粒群算法的概念模型和幾種實現形式以及在約束優 化問題中的套用；基於擬態物理學的全局最佳化算法的相關研究成果。 本書適合從事自然計算研究與套用
目錄信息
第1章 緒論……1
1.1 自然計算的概念與主要研究分支……1
1.2 自然啟發的計算……5
1.3 本書的緣起與組織結構……7
第2章 遺傳算法及其改進……9
2.1 遺傳算法概述……9
2.1.1 遺傳算法的發展歷史……9
2.1.2 遺傳算法的基本原理……12
2.1.3 遺傳算法的求解步驟……13
2.1.4 遺傳算法的基本特點……14
2.2 自學習遺傳算法……15
2.2.1 自學習遺傳算法的描述……15
2.2.2 自學習遺傳算法的理論分析……17
2.3 基於Metropolis判別準則的遺傳算法……20
2.3.1 Metropolis判別準則的內涵……20
2.3.2 基於Metropolis判別準則的複製運算元……21
2.3.3 基於Metropolis判別準則的遺傳算法的理論分析……23
2.4 兩級遞階遺傳算法……24
2.4.1 兩級遞階遺傳算法的描述……24
2.4.2 兩級遞階遺傳算法的理論分析……25
2.5 三種算法在函式最佳化中的套用……26
2.6 小結……27
參考文獻……28
第3章 非線性遺傳算法……29
3.1 非線性遺傳算法抽象模型……29
3.1.1 標準遺傳運算元分析……29
3.1.2 基於函式族形式的非線性遺傳算法抽象模型……29
3.1.3 基於抽象模型的理論分析……30
3.2 基於規範化操作的十進制非線性遺傳算法研究……31
3.2.1 基於規範化操作的十進制非線性遺傳算法框架……31
3.2.2 基於規範化操作的十進制非線性遺傳算法效率及收斂性分析……32
3.2.3 自適應非線性遺傳算法……34
3.2.4 自調整非線性遺傳算法……34
3.2.5 基於規範化操作的十進制非線性遺傳算法模式定理分析……35
3.3 其他形式的實數非線性遺傳算法……37
3.3.1 標準遺傳算法分析……37
3.3.2 動態雙圓形非線性遺傳算法[9]……38
3.4 二進制非線性遺傳算法……40
3.4.1 距離空間的定義及其性質……40
3.4.2 基於距離空間的標準遺傳運算元討論……42
3.4.3 基於代數雜交運算元的二進制非線性遺傳算法[14]……44
3.4.4 基於模式考慮的二進制非線性遺傳算法[15]……47
3.5 小結……50
參考文獻……50
第4章 遺傳算法在生產調度問題中的套用……52
4.1 基於主動調度編碼的遺傳調度算法……52
4.1.1 車間作業調度問題……52
4.1.2 基於主動調度的遺傳算法的描述……53
4.1.3 實例仿真和分析……58
4.2 多個體交叉遺傳調度算法……59
4.2.1 常見遺傳調度算法的分析……59
4.2.2 多個體交叉遺傳算法的描述……61
4.2.3 實例仿真和分析……64
4.3 分部遺傳調度算法……65
4.3.1 柔性車間作業調度問題……65
4.3.2 分部遺傳算法的描述……67
4.3.3 實例仿真和分析……71
4.4 小結……72
參考文獻……73
第5章 分布估計算法研究……74
5.1 引言……74
5.2 copula分布估計算法……75
5.2.1 copula分布估計算法的統一框架……76
5.2.2 copula分布估計算法的收斂性……77
5.3 阿基米德copula分布估計算法……82
5.3.1 阿基米德copula函式採樣算法……82
5.3.2 Gumbelcopula分布估計算法……83
5.3.3 基於PMLE的阿基米德copula分布估計算法參數估計法……84
5.4 經驗copula分布估計算法……85
5.4.1 多維經驗copula函式的構造方式……85
5.4.2 經驗copulaEDA算法步驟及複雜性分析……87
5.5 基於離散Quasi-Copula的分布估計算法……88
5.5.1 離散Quasi-Copula基本概念……88
5.5.2 基於離散Quasi-Copula的機率模型……89
5.5.3 群體的產生……90
5.5.4 算法流程……91
5.5.5 實例仿真……91
5.6 優良模式連線的分布估計算法……92
5.6.1 優良模式連線的思想……92
5.6.2 模式矩陣的建立……93
5.6.3 分塊最佳化過程……93
5.6.4 算法流程……95
5.6.5 實例仿真……96
5.7 基於Bayesian統計推斷的分布估計算法……98
5.7.1 Bayesian統計推斷理論……98
5.7.2 機率模型的建立……98
5.7.3 機率模型的更新……100
5.7.4 算法流程……101
5.7.5 實例仿真……101
5.8 基於序貫重點採樣粒子濾波的分布估計算法……102
5.8.1 序貫重點採樣粒子濾波……103
5.8.2 序貫重點採樣粒子濾波與分布估計算法……105
5.8.3 測試函式……113
5.8.4 仿真實驗……114
5.9 小結……119
參考文獻……120
第6章 思維進化計算……124
6.1 基本思維進化計算……124
6.1.1 研究背景……124
6.1.2 算法的基本原理及系統結構……124
6.1.3 算法流程……126
6.2 基於遺傳算法與思維進化計算的廣義進化模型……127
6.2.1 廣義進化模型的提出……127
6.2.2 GA與MEC內在機制的比較分析……128
6.2.3 廣義進化模型的構成……129
6.3 基於思維進化計算求解約束最佳化問題……132
6.3.1 求解約束最佳化問題的演化算法……132
6.3.2 約束最佳化問題的描述……134
6.3.3 用於求解約束最佳化問題的MEC算法設計……135
6.3.4 算法的收斂性分析……136
6.4 用於求解TSP的思維進化計算模型……137
6.4.1 旅行商問題的描述……137
6.4.2 用於求解TSP的思維進化算法……138
6.4.3 全局收斂性算法……141
6.5 求解Job-Shop調度問題的MEC算法……142
6.5.1 Job-Shop調度問題及其研究現狀……142
6.5.2 求解Job-Shop調度問題的MEC……143
6.6 用於動態系統建模的思維進化計算模型……147
6.6.1 動態系統建模問題及其研究現狀……147
6.6.2 用於動態系統建模的MEC方法……149
6.7 小結……153
參考文獻……154
第7章 社會情感算法……156
7.1 社會情感理論……156
7.1.1 理智前提下的情感……156
7.1.2 個人情緒和社會情感及其相互關係……157
7.1.3 情緒對行為的影響和對環境的反饋……157
7.2 社會情感最佳化算法……158
7.2.1 算法介紹……158
7.2.2 社會情感最佳化算法的優勢……160
7.2.3 實驗結果……161
7.3 情感的隨機選擇策略……163
7.3.1 基於Levy分布的社會情感最佳化算法……163
7.3.2 基於常態分配及柯西分布的社會情感最佳化算法……165
7.4 基於情感計算的社會情感最佳化算法……168
7.4.1 情緒變化模型……168
7.4.2 三維情緒空間……169
7.4.3 情緒變化矩陣……169
7.4.4 引入情緒變化模型的社會情感最佳化算法……170
7.4.5 算法步驟……171
7.4.6 電力系統無功最佳化的套用……171
7.5 小結……175
參考文獻……175
第8章 微粒群算法……178
8.1 標準微粒群算法概述……178
8.1.1 基本概念及進化方程……178
8.1.2 算法流程……179
8.1.3 社會行為分析……179
8.1.4 與其他進化算法的比較……180
8.2 微粒群算法的研究現狀……181
8.3 廣義微粒群算法……184
8.4 微粒群算法的統一模型及分析……186
8.4.1 微粒群算法的統一模型[58]……186
8.4.2 基於統一描述模型的PSO算法進化行為分析……186
8.4.3 收斂性分析……188
8.5 帶控制器的微粒群算法……189
8.5.1 標準微粒群算法的控制理論分析……189
8.5.2 積分控制微粒群算法……190
8.5.3 PID控制微粒群算法……193
8.6 基於多樣性控制的自組織微粒群算法……202
8.6.1 自組織微粒群算法的提出……202
8.6.2 群體多樣性測度……203
8.6.3 多樣性參考輸入的確定……205
8.6.4 多樣性控制器的設計……206
8.6.5 自組織微粒群算法在約束布局最佳化中的套用……207
8.7 小結……210
參考文獻……210
第9章 微粒群算法在約束最佳化問題中的套用……217
9.1 約束處理方法……218
9.2 基於約束保持法的微粒群算法……219
9.2.1 基於一維搜尋約束保持法的向量微粒群算法(ODCPVPSO)……220
9.2.2 基於多維搜尋約束保持法的向量微粒群算法(MDCPVPSO)……223
9.2.3 仿真實驗結果對比……226
9.3 基於可行規則法的改進微粒群算法……228
9.3.1 基於可行規則的改進微粒群算法I(FRMPSOI)……229
9.3.2 基於可行規則的改進微粒群算法II(FRMPSOII)……232
9.3.3 仿真實驗結果對比……234
9.4 改進微粒群算法在機械約束最佳化問題上的套用……236
參考文獻……243
第10章 擬態物理學最佳化算法……246
10.1 標準擬態物理學最佳化算法……246
10.1.1 擬態物理學背景……246
10.1.2 擬態物理學方法到基於種群的最佳化算法的映射……248
10.1.3 擬態物理學最佳化算法框架……249
10.1.4 算法流程……252
10.1.5 APO算法與EM、PSO算法的比較分析……252
10.1.6 作用力規則的選擇策略……253
10.1.7 質量函式的選擇策略……262
10.2 擬態物理學最佳化算法的擴展模型……267
10.2.1 一種擴展的擬態物理學最佳化算法……268
10.2.2 向量擬態物理學最佳化算法……269
10.2.3 混合一維搜尋的向量擬態物理學最佳化算法……271
10.2.4 混合多維搜尋的向量擬態物理學最佳化算法……272
10.3 無約束多目標擬態物理學最佳化算法……274
10.3.1 基於聚集函式法的多目標擬態物理學最佳化算法……274
10.3.2 基於虛擬力排序的多目標擬態物理學最佳化算法……280
10.3.3 基於序值的多目標擬態物理學最佳化算法……286
10.4 約束多目標擬態物理學最佳化算法研究……293
10.4.1 基於可行規則法的約束多目標擬態物理學最佳化算法研究……293
10.4.2 基於約束保持法的CMOAPO算法研究……297
10.5 小結……299
參考文獻……299
附錄A 典型測試函式……303
附錄B 常用的約束最佳化測試函式……310
