智能优化算法及其MATLAB实例 第2版

第1章 概述 1

1.1进化类算法 2

1.2群智能算法 3

1.3模拟退火算法 5

1.4禁忌搜索算法 5

1.5神经网络算法 6

参考文献 6

第2章 遗传算法 9

2.1引言 9

2.2遗传算法理论 10

2.2.1遗传算法的生物学基础 10

2.2.2遗传算法理论基础 11

2.2.3遗传算法的基本概念 13

2.2.4标准遗传算法 16

2.2.5遗传算法的特点 16

2.2.6遗传算法的改进方向 17

2.3遗传算法流程 17

2.4关键参数说明 19

2.5 MATLAB仿真实例 20

参考文献 35

第3章 差分进化算法 37

3.1引言 37

3.2差分进化算法理论 38

3.2.1差分进化算法原理 38

3.2.2差分进化算法的特点 38

3.3差分进化算法种类 39

3.3.1基本差分进化算法 39

3.3.2差分进化算法的其他形式 41

3.3.3改进的差分进化算法 42

3.4差分进化算法流程 43

3.5关键参数的说明 44

3.6 MATLAB仿真实例 45

参考文献 57

第4章 免疫算法 59

4.1引言 59

4.2免疫算法理论 60

4.2.1生物免疫系统 60

4.2.2免疫算法概念 62

4.2.3免疫算法的特点 63

4.2.4免疫算法算子 63

4.3免疫算法种类 67

4.3.1克隆选择算法 67

4.3.2免疫遗传算法 67

4.3.3反向选择算法 67

4.3.4疫苗免疫算法 68

4.4免疫算法流程 68

4.5关键参数说明 70

4.6 MATLAB仿真实例 71

参考文献 84

第5章 蚁群算法 87

5.1引言 87

5.2蚁群算法理论 88

5.2.1真实蚁群的觅食过程 88

5.2.2人工蚁群的优化过程 90

5.2.3真实蚂蚁与人工蚂蚁的异同 90

5.2.4蚁群算法的特点 91

5.3基本蚁群算法及其流程 92

5.4改进的蚁群算法 95

5.4.1精英蚂蚁系统 95

5.4.2最大最小蚂蚁系统 95

5.4.3基于排序的蚁群算法 96

5.4.4自适应蚁群算法 96

5.5关键参数说明 97

5.6 MATLAB仿真实例 99

参考文献 108

第6章 粒子群算法 111

6.1引言 111

6.2粒子群算法理论 112

6.2.1粒子群算法描述 112

6.2.2粒子群算法建模 113

6.2.3粒子群算法的特点 113

6.3粒子群算法种类 114

6.3.1基本粒子群算法 114

6.3.2标准粒子群算法 114

6.3.3压缩因子粒子群算法 115

6.3.4离散粒子群算法 116

6.4粒子群算法流程 116

6.5关键参数说明 117

6.6 MATLAB仿真实例 120

参考文献 135

第7章 模拟退火算法 137

7.1引言 137

7.2模拟退火算法理论 138

7.2.1物理退火过程 138

7.2.2模拟退火原理 139

7.2.3模拟退火算法思想 140

7.2.4模拟退火算法的特点 141

7.2.5模拟退火算法的改进方向 141

7.3模拟退火算法流程 142

7.4关键参数说明 143

7.5 MATLAB仿真实例 145

参考文献 156

第8章 禁忌搜索算法 157

8.1引言 157

8.2禁忌搜索算法理论 158

8.2.1局部邻域搜索 158

8.2.2禁忌搜索 159

8.2.3禁忌搜索算法的特点 159

8.2.4禁忌搜索算法的改进方向 160

8.3禁忌搜索算法流程 160

8.4关键参数说明 162

8.5 MATLAB仿真实例 165

参考文献 176

第9章 神经网络算法 179

9.1引言 179

9.2神经网络算法理论 180

9.2.1人工神经元模型 180

9.2.2常用激活函数 181

9.2.3神经网络模型 182

9.2.4神经网络工作方式 182

9.2.5神经网络算法的特点 183

9.3 BP神经网络算法 184

9.4神经网络算法的实现 187

9.4.1数据预处理 187

9.4.2神经网络实现函数 188

9.5MATLAB仿真实例 191

参考文献 199

附录A MATLAB常用命令和函数 201