智能优化算法及其MATLAB实现

内容简介

智能优化算法作为人工智能的为活跃的研究方向之一，已经在学术界、工业界得到了广泛的应用和实践。为了使读者更地掌握并使用Matlab实现智能优化算法，本书由浅深，分为两个部分：部分：智能优化算法及其Matlab实现，具括十种智能优化算法(粒子群算法、蚁狮算法、果蝇优化算法、萤火虫优化算法、灰狼优化算法、正余弦算法、多元宇宙优化算法、引力搜索算法、树种优化算法、风驱动优化算法等)原理讲述、智能优化算法的Matlab实现、智能优化算法的应用案例实现及分析；部分：智能优化算法能测试，具括：智能优化算法基准测试集简介和智能优化算法能测试方法。 本书有助于读者从概念、原理、代码实现、应用案例、测试方法、能比较分析中逐步掌握不同的智能优化算法。

目录

目 录第1章 粒子群优化算法原理及其MATLAB 实现 11.1 粒子群优化算法的基本原理 11.1.1 粒子和速度初始化 11.1.2 个体历史优值和全局优值 11.1.3 粒子群的速度和位置更新 21.1.4 粒子群优化算法流程 21.2 粒子群优化算法的MATLAB ?实现 31.2.1 种群初始化 31.2.2 适应度函数 51.2.3 边界检查和约束函数 51.2.4 粒子群优化算法代码 61.3 粒子群优化算法的应用案例 81.3.1 求解函数极值 81.3.2 带约束问题求解：基于粒子群 优化算法的压力容器设计 101.4 粒子群优化算法的中间结果 13参考文献 16第2章 蚁狮优化算法原理及其MATLAB 实现 172.1 蚁狮优化算法的基本原理 172.1.1 蚂蚁的游走 172.1.2 设置陷阱 182.1.3 利用陷阱诱捕蚂蚁 182.1.4 捕获猎物并重建洞穴 192.1.5 蚁狮优化算法流程 192.2 蚁狮优化算法的MATLAB ?实现 202.2.1 种群初始化 202.2.2 适应度函数 222.2.3 边界检查和约束 222.2.4 轮盘赌策略 232.2.5 蚁狮优化算法的游走 242.2.6 蚁狮优化算法的MATLAB 代码 282.3 蚁狮优化算法的应用案例 302.3.1 求解函数极值 302.3.2 带约束问题求解：基于蚁狮 优化算法的压力容器设计 322.4 蚁狮优化算法的中间结果 35参考文献 38第3章 果蝇优化算法及其MATLAB 实现 393.1 果蝇优化算法的基本原理 393.1.1 果蝇初始化 393.1.2 果蝇通过气味寻找食物 393.1.3 果蝇位置更新 403.1.4 果蝇优化算法流程 403.2 果蝇优化算法的MATLAB ?实现 413.2.1 果蝇位置初始化 413.2.2 适应度函数 433.2.3 边界检查和约束 433.2.4 果蝇优化算法代码 443.2.5 改进果蝇优化算法代码 453.3 果蝇优化算法的应用案例 473.3.1 求解函数极值 473.3.2 带约束问题求解：基于果蝇 优化算法的压力容器设计 493.4 果蝇优化算法的中间结果 51参考文献 55第4章 萤火虫优化算法及其MATLAB 实现 564.1 萤火虫优化算法的基本原理 564.1.1 萤火虫的相对亮度计算 564.1.2 萤火虫的吸引度计算 564.1.3 萤火虫的位置更新 564.1.4 萤火虫优化算法流程 574.2 萤火虫优化算法的MATLAB ?实现 574.2.1 萤火虫位置初始化 574.2.2 适应度函数 594.2.3 边界检查和约束 604.2.4 萤火虫优化算法代码 604.3 萤火虫优化算法的应用案例 634.3.1 求解函数极值 634.3.2 带约束问题求解：基于萤火虫 优化算法的压力容器设计 654.4 萤火虫优化算法的中间结果 67参考文献 70第5章 灰狼优化算法及其MATLAB 实现 715.1 灰狼优化算法的基本原理 715.1.1 围猎物 715.1.2 狩猎 725.1.3 攻击猎物 725.1.4 搜索猎物 725.1.5 灰狼优化算法流程 735.2 灰狼优化算法的MATLAB ?实现 745.2.1 灰狼位置初始化 745.2.2 适应度函数 755.2.3 边界检查和约束 765.2.4 灰狼优化算法代码 775.3 灰狼优化算法的应用案例 795.3.1 求解函数极值 795.3.2 带约束问题求解：基于灰狼 优化算法的压力容器设计 815.4 灰狼优化算法的中间结果 84参考文献 88第6章 正余弦优化算法及其MATLAB 实现 896.1 正余弦优化算法的基本原理 896.1.1 正余弦机制 896.1.2 正余弦优化算法流程 906.2 正余弦优化算法的MATLAB ?实现 916.2.1 正余弦位置初始化 916.2.2 适应度函数 926.2.3 边界检查和约束 936.2.4 正余弦优化算法代码 946.3 正余弦优化算法的应用案例 ?实验 956.3.1 求解函数极值 956.3.2 带约束问题求解：基于正余弦 优化算法的压力容器设计 976.4 正余弦优化算法的中间结果 100参考文献 102第7章 多元宇宙优化算法及其MATLAB 实现 1047.1 多元宇宙优化算法的基本 ?原理 1047.1.1 宇宙的定义 1047.1.2 传输机制 1047.1.3 虫洞系数 1057.1.4 多元宇宙优化算法流程 1057.2 多元宇宙优化算法的MATLAB ?实现 1067.2.1 种群初始化 1067.2.2 适应度函数 1087.2.3 边界检查和约束 1087.2.4 轮盘赌策略 1097.2.5 多元宇宙优化算法代码 1107.3 多元宇宙优化算法的应用 ?案例 1127.3.1 求解函数极值 1127.3.2 带约束问题求解：基于多元宇宙 优化算法的压力容器设计 1157.4 多元宇宙优化算法的中间 ?结果 117参考文献 121第8章 引力搜索算法及其MATLAB 实现 1228.1 引力搜索算法的基本原理 1228.1.1 万有引力定律 1228.1.2 个体引力计算 1238.1.3 加速度计算 1248.1.4 速度和位置更新 1248.1.5 引力搜索算法流程 1248.2 引力搜索算法的MATLAB ?实现 1258.2.1 位置初始化 1258.2.2 适应度函数 1278.2.3 边界检查和约束 1278.2.4 计算质量 1288.2.5 计算引力常数 1298.2.6 计算加速度 1298.2.7 位置更新 1308.2.8 引力搜索算法代码 1308.3 引力搜索算法的应用案例 1328.3.1 求解函数极值 1328.3.2 带约束问题求解：基于引力 搜索算法的压力容器设计 1348.4 引力搜索算法的中间结果 136参考文献 139第9章 树种优化算法及其MATLAB 实现 1409.1 树种优化算法的基本原理 1409.1.1 树种的定义及生成 1409.1.2 种子的繁殖 1409.1.3 树种优化算法流程 1419.2 树种优化算法的MATLAB ?实现 1419.2.1 种群初始化 1419.2.2 适应度函数 1439.2.3 边界检查和约束 1439.2.4 树种优化算法 1449.3 树种优化算法的应用案例 1469.3.1 求解函数极值 1469.3.2 带约束问题求解：基于树种 优化算法的压力容器设计 1489.4 树种优化算法的中间结果 151参考文献 154第10章 风驱动优化算法及其MATLAB 实现 15510.1 风驱动优化算法的基本原理 15510.1.1 参数的定义 15510.1.2 适应度函数的选取 15510.1.3 空气单元运动范围的确定 15510.1.4 风的抽象化及空气单元的 更新 15510.1.5 风驱动优化算法流程 15710.2 风驱动优化算法的MATLAB ?实现 15810.2.1 种群初始化 15810.2.2 适应度函数 16010.2.3 边界检查和约束 16010.2.4 风驱动优化算法 16110.3 风驱动优化算法的应用案例 16310.3.1 求解函数极值 16310.3.2 带约束问题求解：基于风驱动 优化算法的压力容器设计 16510.4 风驱动优化算法的中间结果 168参考文献 171第11章 智能优化算法基准测试集 17211.1 基准测试集简介 17211.2 基准测试函数绘图与测试函数 ?代码编写 17311.2.1 函数F1 17311.2.2 函数F2 17411.2.3 函数F3 17511.2.4 函数F4 17711.2.5 函数F5 17811.2.6 函数F6 17911.2.7 函数F7 18011.2.8 函数F8 18111.2.9 函数F9 18211.2.10 函数F10 18311.2.11 函数F11 18411.2.12 函数F12 18511.2.13 函数F13 18611.2.14 函数F14 18711.2.15 函数F15 18911.2.16 函数F16 19011.2.17 函数F17 19111.2.18 函数F18 19211.2.19 函数F19 19311.2.20 函数F20 19411.2.21 函数F21 19511.2.22 函数F22 19611.2.23 函数F23 198第12章 智能优化算法能测试 20012.1 智能优化算法能测试方法 20012.1.1 平均值 20012.1.2 标准差 20012.1.3 优值和差值 20112.1.4 收敛曲线 20212.2 测试案例 20212.2.1 测试函数信息 20212.2.2 测试方法及参数设置 20312.2.3 测试结果 203