內容介紹
《量子行為粒子群最佳化:原理及其套用》內容簡介：粒子群最佳化算法是群體智慧型最佳化算法的典型代表之一，已經成為隨機最佳化領域的一個研究熱點。《量子行為粒子群最佳化:原理及其套用》所述的量子行為粒子群最佳化算法是在粒子群最佳化算法思想的啟發下，引入了量子模型的機率化粒子群最佳化算法。《量子行為粒子群最佳化:原理及其套用》共9章：首先分析了群體智慧型的定義和特徵，並對群體智慧型算法的代表算法作了綜述；其次介紹了粒子群最佳化算法的基本思想及部分重要的改進方法；然後系統地介紹了量子行為粒子群最佳化算法的思想來源、理論依據和實現方法；最後詳細介紹了量子行為粒子群最佳化算法在函式最佳化、系統辨識、生物信息、圖像處理及工程最佳化中的套用方法和套用效果。
《量子行為粒子群最佳化:原理及其套用》可以作為從事群體智慧型研究的科研人員和工程技術人員的參考書，也可以作為計算機、自動化、套用數學、管理、機械、金融等相關學科的教師和學生的參考書。
作品目錄
第1章 緒論 1.1 最最佳化問題與最最佳化方法 1.2 群體智慧型 1.3 群體智慧型算法 1.3.1 蟻群最佳化算法 1.3.2 粒子群最佳化算法 1.3.3 量子行為粒子群最佳化算法 1.4 粒子群最佳化算法研究概況 1.4.1 PSO算法的理論研究 1.4.2 PSO算法的改進研究 1.4.3 PSO算法的套用研究 1.5 量子行為粒子群最佳化算法研究綜述 1.5.1 QPSO算法的改進研究 1.5.2 QPSO算法的套用研究 參考文獻第2章 粒子群最佳化算法 2.1 基本PSO算法 2.2 基本PSO算法的模型分析 2.3 帶慣性權重10的PSO算法 2.4 帶壓縮因子x的PSO算法 2.5 二進制PSO算法 2.6 合作PSO算法 2.7 全信息PSO算法 2.8 理解學習PSO算法 參考文獻第3章 量子行為粒子群最佳化算法 3.1 量子力學背景 3.2 量子行為粒子群最佳化算法的基本模型 3.2.1 思想來源 3.2.2 粒子群勢阱模型的建立 3.2.3 粒子的基本進化方程 3.2.4 δ勢阱模型與其他模型的比較 3.3 量子行為粒子群最佳化算法 3.3.1 粒子的進化方程 3.3.2 兩種搜尋疊代策略 3.3.3 算法的流程 3.3.4 粒子收斂的基本條件 3.3.5 粒子收斂條件的仿真測試 3.4 量子行為粒子群最佳化算法的學習模式 3.4.1 PSO算法的學習模式 3.4.2 QPSO算法的學習模式 3.4.3 粒子的等待效應 3.4.4 PSO算法和QPSO算法的比較 參考文獻第4章 QPSO算法的收斂性與收斂率分析 4.1 QPSO算法全局收斂性的機率分析 4.1.1 全局收斂性準則 4.1.2 局部收斂性準則 4.1.3 QPSO算法的全局收斂性 4.2 QPSO算法的馬氏過程分析 4.2.1 離散馬氏過程 4.2.2 隨機算法的理論框架 4.2.3 隨機算法的收斂性定理 4.2.4 QPSO算法的收斂性 4.3 收斂率的度量 4.3.1 收斂率的定義 4.3.2 三種收斂性 4.4 QPSO算法的收斂率測試 參考文獻第5章 QPSO算法在函式最佳化中的套用 5.1 整數規劃問題 5.1.1 問題描述 5.1.2 仿真算例 5.2 非線性約束最佳化問題 5.2.1 問題描述 5.2.2 仿真算例 5.3 靜態環境多峰函式的多值最佳化 5.3.1 靜態環境中的多峰尋優 5.3.2 基於物種形成策略的QPS()算法 5.3.3 仿真實驗 5.4 動態環境多峰函式的多值最佳化 5.4.1 動態環境中的多峰尋優 5.4.2 動態環境下的SQPS()算法 5.4.3 動態環境的創建方法 5.4.4 仿真實驗 5.5 非線性方程組求解 5.5.1 非線性方程組的適應值函式 5.5.2 仿真實驗 參考文獻第6章 QPSO算法在系統辨識中的套用 6.1 二維ⅡR數字濾波器最佳化設計 6.1.1 引言 6.1.2 二維ⅡR系統的數學描述 6.1.3 二維ⅡR數字濾波器的最佳化設計 6.1.4 基於QPSO算法的二維ⅡR數字濾波器的最佳化設計 6.1.5 仿真實驗與結果分析 6.2 線性系統線上辨識 6.2.1 線性系統辨識的問題描述 6.2.2 單神經元結構 6.2.3 基於QPSO算法的線上線性系統辨識 6.2.4 仿真實驗及結果 6.3 混沌系統參數辨識 6.3.1 引言 6.3.2 基於QPSO算法的混沌系統參數辨識 6.3.3 Lorenz混沌系統參數辨識的仿真實驗 6.3.4 Chen混沌系統的數學描述 6.3.5 Chen混沌系統參數辨識的仿真實驗 6.4 非線性系統辨識 6.4.1 非線性系統的數學描述 6.4.2 仿真實驗及結果 參考文獻第7章 QPSO算法在生物信息中的套用 7.1 生物多序列比對 7.1.1 引言 7.1.2 剖面HMM的拓撲結構 7.1.3 基於剖面HMM和QPSO算法的多序列比對 7.1.4 模型訓練的幾個相關問題 7.1.5 仿真實驗及結果 7.2 基因表達數據的聚類 7.2.1 引言 7.2.2 基因表達數據聚類問題概述 7.2.3 基於QPSO算法的基因表達數據聚類算法 7.2.4 仿真實驗及結果 7.3 生化代謝途徑的參數辨識 7.3.1 問題描述 7.3.2 仿真算例 7.4 生化過程代謝通量分析 7.4.1 引言 7.4.2 基於13C標記平衡的MFA 7.4.3 基於QPSO算法和罰函式的代謝通量分析 7.4.4 仿真實例 參考文獻第8章 QPSO算法在圖像處理中的套用 8.1 QPSO算法在圖像分割中的套用 8.1.1 引言 8.1.2 QPSO聚類算法 8.1.3 基於QPSO聚類算法的圖像分割 8.1.4 算例及分析 8.2 多聚焦圖像融合 8.2.1 引言 8.2.2 低頻子帶的融合準則 8.2.3 高頻子帶的融合準則 8.2.4 實驗結果及評價 8.3 圖像紋理合成 8.3.1 引言 8.3.2 基於塊拼貼的紋理合成算法 8.3.3 基於QPSO的紋理合成算法 8.3.4 實驗結果及分析 參考文獻第9章 QPSO算法的工程套用 9.1 電力系統經濟調度 9.1.1 引言 9.1.2 ED問題的數學描述 9.1.3 約束的處理 9.1.4 仿真算例 9.2 移動機器人軌跡跟蹤控制 9.2.1 引言 9.2.2 輪式移動機器人的非完整性 9.2.3 輪式移動機器人運動學模型 9.2.4 輪式移動機器人軌跡跟蹤問題描述 9.2.5 基於QPSO算法的反演跟蹤控制器設計和仿真 9.2.6 基於QPSO算法的滑模軌跡跟蹤控制器設計和仿真 9.3 QPSO算法的FPGA實現與測試 9.3.1 引言 9.3.2 系統結構設計 9.3.3 系統原理與數據通路 9.3.4 仿真結果 參考文獻附錄 附錄A QPSO算法的C++代碼 附錄B QPSO算法的Matlab代碼
