基于群体智能的生物启发式优化方法及应用

封面

版权信息

作者简介

前言

第1章 绪论

1.1 基于群智能的生物启发式优化方法

1.2 粒子群算法

1.2.1 基本思想

1.2.2 算法流程

1.2.3 PSO伪代码

1.3 蚁群算法

1.3.1 基本思想

1.3.2 算法流程

1.3.3 ACO伪代码

1.4 蝙蝠算法

1.4.1 基本思想

1.4.2 算法流程

1.4.3 BA伪代码

1.5 布谷鸟搜索算法

1.5.1 基本思想

1.5.2 算法流程

1.5.3 CSA伪代码

参考文献

第2章 萤火虫算法

2.1 基本萤火虫算法

2.1.1 基本思想

2.1.2 FA算法流程

2.1.3 FA伪代码

2.1.4 研究现状

2.2 具有振荡约束的自然选择萤火虫优化算法（OCSFA）

2.2.1 OCSFA改进策略

2.2.2 OCSFA算法流程

2.2.3 OCSFA伪代码

2.2.4 时间复杂度分析

2.2.5 收敛性证明

2.2.6 求解标准测试函数优化问题

参考文献

第3章 蝴蝶优化算法

3.1 基本蝴蝶优化算法

3.1.1 基本思想

3.1.2 BOA算法流程

3.1.3 BOA伪代码

3.1.4 研究现状

3.2 融合差分变异策略和进化自适应权重的蝴蝶优化算法（DMABOA）

3.2.1 DMABOA改进策略

3.2.2 DMABOA算法流程

3.2.3 DMABOA伪代码

3.2.4 时间复杂度分析

3.2.5 收敛性证明

3.2.6 DMABOA中各改进机制的影响分析

3.2.7 求解多维复杂函数极值优化问题

参考文献

第4章 樽海鞘群算法

4.1 基本樽海鞘群算法

4.1.1 基本思想

4.1.2 SSA算法流程

4.1.3 SSA伪代码

4.1.4 研究现状

4.2 引入有效缩放和随机交叉策略的自适应动态角色樽海鞘群算法（ERDSSA）

4.2.1 ERDSSA改进策略

4.2.2 ERDSSA算法流程

4.2.3 ERDSSA伪代码

4.2.4 时间复杂度分析

4.2.5 求解工程设计约束优化问题

参考文献

第5章 鲸鱼优化算法

5.1 基本鲸鱼优化算法

5.1.1 基本思想

5.1.2 WOA算法流程

5.1.3 WOA伪代码

5.1.4 研究现状

5.2 基于分段式随机惯性权重和最优反馈机制的鲸鱼优化算法（FWOA）

5.2.1 FWOA改进策略

5.2.2 FWOA算法流程

5.2.3 FWOA伪代码

5.2.4 时间复杂度分析

5.2.5 求解CEC基准测试函数优化问题

5.2.6 求解工程设计约束优化问题

参考文献

第6章 总结与展望

附录

附录一：OCSFA算法代码

附录二：DMABOA算法代码

附录三：ERDSSA算法代码

附录四：FWOA算法代码

索引