群集智能优化算法及应用

定　　价：78 元

丛书名：普通高等教育“十三五”规划教材普通高等院校工程实践系列规划教材

• 作者：冯肖雪[等]著
• 出版时间：2018/6/1
• ISBN：9787030576026
• 出 版 社：科学出版社

• 中图法分类：TP301.6 

内容简介

本书系统地阐述了蚁群算法、粒子群算法、传染病优化算法三类典型的群集智能优化方法。本书既涵盖算法原理、数学模型、改进方法的理论知识，又注重理论联系实际，以实际应用问题为导向进行算法设计。针对无线传感器网络目标联合预警与跟踪中的能耗-性能优化问题、机场停机位分配优化问题、空间站组装姿态指令优化问题，给出了具体求解思路，力求使读者能较快掌握和应用这三类典型的群集智能优化算法。

更多科学出版社服务，请扫码获取。

目 录

目录
前言
第一篇 导引篇
第1章 概述 3
1.1 群集智能概述 3
1.2 群集智能的基本原则与特点 5
1.3 群集智能理论研究现状 8
1.3.1 群集智能计算方法 8
1.3.2 群集智能模型研究 9
1.3.3 群集智能行为研究 9
1.3.4 群体协作行为研究 10
1.3.5 群集智能数学建模方法 10
1.4 群集智能算法的发展展望 11
1.4.1 群集智能理论的完善 11
1.4.2 群集智能算法的设计 11
1.4.3 群集智能算法性能的提高 12
1.5 本书章节安排 12
参考文献 14
第二篇 基础篇
第2章 蚁群优化算法 21
2.1 引言 21
2.2 蚁群优化算法理论原理 22
2.2.1 基本蚁群的觅食过程 22
2.2.2 基本蚁群的机制原理 23
2.2.3 基本蚁群算法的特点 24
2.3 蚁群优化算法数学模型及实现流程 25
2.3.1 蚁群优化算法的数学模型 25
2.3.2 蚁群优化算法的算法步骤流程 27
2.3.3 蚁群优化算法的程序结构流程 28
2.4 改进的蚁群优化算法 29
2.4.1 最大最小蚁群算法 29
2.4.2 具有变异和分工特征的蚁群算法 31
2.4.3 自适应蚁群算法 32
2.5 蚁群优化算法的典型应用 33
2.6 本章小结 35
参考文献 35
第3章 传染病动力学模型及疫情优化控制算法 38
3.1 引言 38
3.2 经典仓室传染病模型 39
3.2.1 SIS 模型 39
3.2.2 SIR 模型 40
3.2.3 SIRS 模型 41
3.3 多种群传染病模型 42
3.4 网络传染病模型 43
3.5 基于Agent个体的传染病模型 45
3.6 传染病疫情优化控制 46
3.6.1 疫情控制模型问题提出 47
3.6.2 传染病疫情优化控制模型 48
3.7 本章小结 50
参考文献 50
第4章 粒子群优化算法 54
4.1 引言 54
4.2 粒子群优化算法的数学模型及算法流程 54
4.2.1 粒子群优化算法的数学模型 54
4.2.2 粒子群优化算法的算法流程 57
4.3 改进的粒子群优化算法 58
4.3.1 带惯性权重的PSO 模型 58
4.3.2 带收缩系数的PSO 模型 59
4.3.3 Bare Bones Particle Swarm(BBPS)模型 59
4.3.4 带被动c-聚集的PSO 模型 60
4.3.5 基于拓扑结构的改进算法 61
4.4 粒子群优化算法的典型应用 62
4.5 本章小结 63
参考文献 63
第三篇 应用篇
第5章 基于人工蚁群的无线传感器网络节点唤醒控制算法 69
5.1 引言 69
5.2 问题提出 72
5.3 算法实现 74
5.3.1 蚂蚁搜索 75
5.3.2 信息素释放 76
5.3.3 信息素扩散 77
5.3.4 信息素的积累 77
5.3.5 基于信息素的控制 78
5.4 参数设计 78
5.5 算法仿真结果比较 80
5.6 定理阐述 86
5.6.1 定理1和定理2 中各项参数的定义 86
5.6.2 定理1的证明 87
5.6.3 定理2的证明 89
5.7 本章小结 91
参考文献 92
第6章 基于分布式传染病模型的无线传感网联合预警与跟踪 96
6.1 引言 96
6.2 问题提出 97
6.3 分布式传染病模型 98
6.3.1 直接感染 101
6.3.2 交叉感染免疫/免疫缺失 101
6.3.3 交叉感染 102
6.3.4 病毒量积累 102
6.4 分布式传染病模型与节点联合唤醒控制问题 103
6.4.1 唤醒控制问题 103
6.4.2 基于分布式传染病模型的联合唤醒控制 104
6.5 参数设计 105
6.6 仿真分析 106
6.6.1 算法比较 107
6.6.2 算法鲁棒性验证 108
6.6.3 交叉运动双目标跟踪 110
6.7 定理阐述 111
6.8 本章小结 112
参考文献 113
第7章 基于粒子群算法的机场停机位分配求解 116
7.1 引言 116
7.2 机位分配问题描述 119
7.2.1 机位分配问题约束条件 119
7.2.2 机位分配问题的优化目标函数 124
7.3 机位分配优化模型建立 126
7.3.1 假设条件 126
7.3.2 模型建立 126
7.4 基于粒子群算法的机位分配问题优化求解 127
7.4.1 适应度函数设计 127
7.4.2 航班分配层次排序算法设计 128
7.4.3 机位分配优化模型约束处理 129
7.4.4 基于Round规则的停机位编码设计 131
7.4.5 航班机位冲突判定算法的设计 132
7.4.6 求解停机位分配问题的PSO算法设计 132
7.5 实验仿真及数值分析 134
7.5.1 案例描述 134
7.5.2 参数设置 136
7.5.3 仿真结果 137
7.6 本章小结 140
参考文献 140
第8章 基于粒子群算法的空间站组装姿态指令优化求解 143
8.1 引言 143
8.2 空间站组装的数学模型 144
8.3 姿态指令优化函数求解 148
8.3.1 梯度下降法 148
8.3.2 标准PSO算法 148
8.3.3 基于生物互利共生的双种群PSO 算法 149
8.4 基于互利共生的双种群PSO算法仿真实验 152
8.4.1 测试函数和参数设定 152
8.4.2 实验结果与分析 153
8.5 空间站组装姿态指令优化数值实验 158
8.5.1 参数设定 158
8.5.2 实验结果 158
8.6 本章小结 164
参考文献 164
彩图