自然计算PDF|Epub|txt|kindle电子书版本下载

自然计算PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 自然计算的概念与主要研究分支1

1.2 自然启发的计算5

1.3 本书的缘起与组织结构7

第2章 遗传算法及其改进9

2.1 遗传算法概述9

2.1.1 遗传算法的发展历史9

2.1.2 遗传算法的基本原理12

2.1.3 遗传算法的求解步骤13

2.1.4 遗传算法的基本特点14

2.2 自学习遗传算法15

2.2.1 自学习遗传算法的描述15

2.2.2 自学习遗传算法的理论分析17

2.3 基于Metropolis判别准则的遗传算法20

2.3.1 Metropolis判别准则的内涵20

2.3.2 基于Metropolis判别准则的复制算子21

2.3.3 基于Metropolis判别准则的遗传算法的理论分析23

2.4 两级递阶遗传算法24

2.4.1 两级递阶遗传算法的描述24

2.4.2 两级递阶遗传算法的理论分析25

2.5 三种算法在函数优化中的应用26

2.6 小结27

参考文献28

第3章 非线性遗传算法29

3.1 非线性遗传算法抽象模型29

3.1.1 标准遗传算子分析29

3.1.2 基于函数族形式的非线性遗传算法抽象模型29

3.1.3 基于抽象模型的理论分析30

3.2 基于规范化操作的十进制非线性遗传算法研究31

3.2.1 基于规范化操作的十进制非线性遗传算法框架31

3.2.2 基于规范化操作的十进制非线性遗传算法效率及收敛性分析32

3.2.3 自适应非线性遗传算法34

3.2.4 自调整非线性遗传算法34

3.2.5 基于规范化操作的十进制非线性遗传算法模式定理分析35

3.3 其他形式的实数非线性遗传算法37

3.3.1 标准遗传算法分析37

3.3.2 动态双圆形非线性遗传算法［9］38

3.4 二进制非线性遗传算法40

3.4.1 距离空间的定义及其性质40

3.4.2 基于距离空间的标准遗传算子讨论42

3.4.3 基于代数杂交算子的二进制非线性遗传算法［14］44

3.4.4 基于模式考虑的二进制非线性遗传算法［15］47

3.5 小结50

参考文献50

第4章 遗传算法在生产调度问题中的应用52

4.1 基于主动调度编码的遗传调度算法52

4.1.1 车间作业调度问题52

4.1.2 基于主动调度的遗传算法的描述53

4.1.3 实例仿真和分析58

4.2 多个体交叉遗传调度算法59

4.2.1 常见遗传调度算法的分析59

4.2.2 多个体交叉遗传算法的描述61

4.2.3 实例仿真和分析64

4.3 分部遗传调度算法65

4.3.1 柔性车间作业调度问题65

4.3.2 分部遗传算法的描述67

4.3.3 实例仿真和分析71

4.4 小结72

参考文献73

第5章 分布估计算法研究74

5.1 引言74

5.2 copula分布估计算法75

5.2.1 copula分布估计算法的统一框架76

5.2.2 copula分布估计算法的收敛性77

5.3 阿基米德copula分布估计算法82

5.3.1 阿基米德copula函数采样算法82

5.3.2 Gumbel copula分布估计算法83

5.3.3 基于PMLE的阿基米德copula分布估计算法参数估计法84

5.4 经验copula分布估计算法85

5.4.1 多维经验copula函数的构造方式85

5.4.2 经验copula EDA算法步骤及复杂性分析87

5.5 基于离散Quasi-Copula的分布估计算法88

5.5.1 离散Quasi-Copula基本概念88

5.5.2 基于离散Quasi-Copula的概率模型89

5.5.3 群体的产生90

5.5.4 算法流程91

5.5.5 实例仿真91

5.6 优良模式连接的分布估计算法92

5.6.1 优良模式连接的思想92

5.6.2 模式矩阵的建立93

5.6.3 分块优化过程93

5.6.4 算法流程95

5.6.5 实例仿真96

5.7 基于Bayesian统计推断的分布估计算法98

5.7.1 Bayesian统计推断理论98

5.7.2 概率模型的建立98

5.7.3 概率模型的更新100

5.7.4 算法流程101

5.7.5 实例仿真101

5.8 基于序贯重点采样粒子滤波的分布估计算法102

5.8.1 序贯重点采样粒子滤波103

5.8.2 序贯重点采样粒子滤波与分布估计算法105

5.8.3 测试函数113

5.8.4 仿真实验114

5.9 小结119

参考文献120

第6章 思维进化计算124

6.1 基本思维进化计算124

6.1.1 研究背景124

6.1.2 算法的基本原理及系统结构124

6.1.3 算法流程126

6.2 基于遗传算法与思维进化计算的广义进化模型127

6.2.1 广义进化模型的提出127

6.2.2 GA与MEC内在机制的比较分析128

6.2.3 广义进化模型的构成129

6.3 基于思维进化计算求解约束优化问题132

6.3.1 求解约束优化问题的演化算法132

6.3.2 约束优化问题的描述134

6.3.3 用于求解约束优化问题的MEC算法设计135

6.3.4 算法的收敛性分析136

6.4 用于求解TSP的思维进化计算模型137

6.4.1 旅行商问题的描述137

6.4.2 用于求解TSP的思维进化算法138

6.4.3 全局收敛性算法141

6.5 求解Job-Shop调度问题的MEC算法142

6.5.1 Job-Shop调度问题及其研究现状142

6.5.2 求解Job-Shop调度问题的MEC143

6.6 用于动态系统建模的思维进化计算模型147

6.6.1 动态系统建模问题及其研究现状147

6.6.2 用于动态系统建模的MEC方法149

6.7 小结153

参考文献154

第7章 社会情感算法156

7.1 社会情感理论156

7.1.1 理智前提下的情感156

7.1.2 个人情绪和社会情感及其相互关系157

7.1.3 情绪对行为的影响和对环境的反馈157

7.2 社会情感优化算法158

7.2.1 算法介绍158

7.2.2 社会情感优化算法的优势160

7.2.3 实验结果161

7.3 情感的随机选择策略163

7.3.1 基于Levy分布的社会情感优化算法163

7.3.2 基于正态分布及柯西分布的社会情感优化算法165

7.4 基于情感计算的社会情感优化算法168

7.4.1 情绪变化模型168

7.4.2 三维情绪空间169

7.4.3 情绪变化矩阵169

7.4.4 引入情绪变化模型的社会情感优化算法170

7.4.5 算法步骤171

7.4.6 电力系统无功优化的应用171

7.5 小结175

参考文献175

第8章 微粒群算法178

8.1 标准微粒群算法概述178

8.1.1 基本概念及进化方程178

8.1.2 算法流程179

8.1.3 社会行为分析179

8.1.4 与其他进化算法的比较180

8.2 微粒群算法的研究现状181

8.3 广义微粒群算法184

8.4 微粒群算法的统一模型及分析186

8.4.1 微粒群算法的统一模型［58］186

8.4.2 基于统一描述模型的PSO算法进化行为分析186

8.4.3 收敛性分析188

8.5 带控制器的微粒群算法189

8.5.1 标准微粒群算法的控制理论分析189

8.5.2 积分控制微粒群算法190

8.5.3 PID控制微粒群算法193

8.6 基于多样性控制的自组织微粒群算法202

8.6.1 自组织微粒群算法的提出202

8.6.2 群体多样性测度203

8.6.3 多样性参考输入的确定205

8.6.4 多样性控制器的设计206

8.6.5 自组织微粒群算法在约束布局优化中的应用207

8.7 小结210

参考文献210

第9章 微粒群算法在约束优化问题中的应用217

9.1 约束处理方法218

9.2 基于约束保持法的微粒群算法219

9.2.1 基于一维搜索约束保持法的向量微粒群算法（ODCPVPSO）220

9.2.2 基于多维搜索约束保持法的向量微粒群算法（MDCPVPSO）223

9.2.3 仿真实验结果对比226

9.3 基于可行规则法的改进微粒群算法228

9.3.1 基于可行规则的改进微粒群算法Ⅰ（FRMPSO Ⅰ）229

9.3.2 基于可行规则的改进微粒群算法Ⅱ（FRMPSO Ⅱ）232

9.3.3 仿真实验结果对比234

9.4 改进微粒群算法在机械约束优化问题上的应用236

参考文献243

第10章 拟态物理学优化算法246

10.1 标准拟态物理学优化算法246

10.1.1 拟态物理学背景246

10.1.2 拟态物理学方法到基于种群的优化算法的映射248

10.1.3 拟态物理学优化算法框架249

10.1.4 算法流程252

10.1.5 APO算法与EM、PSO算法的比较分析252

10.1.6 作用力规则的选择策略253

10.1.7 质量函数的选择策略262

10.2 拟态物理学优化算法的扩展模型267

10.2.1 一种扩展的拟态物理学优化算法268

10.2.2 向量拟态物理学优化算法269

10.2.3 混合一维搜索的向量拟态物理学优化算法271

10.2.4 混合多维搜索的向量拟态物理学优化算法272

10.3 无约束多目标拟态物理学优化算法274

10.3.1 基于聚集函数法的多目标拟态物理学优化算法274

10.3.2 基于虚拟力排序的多目标拟态物理学优化算法280

10.3.3 基于序值的多目标拟态物理学优化算法286

10.4 约束多目标拟态物理学优化算法研究293

10.4.1 基于可行规则法的约束多目标拟态物理学优化算法研究293

10.4.2 基于约束保持法的CMOAPO算法研究297

10.5 小结299

参考文献299

附录A 典型测试函数303

附录B 常用的约束优化测试函数310