群智能算法及化工优化问题PDF|Epub|txt|kindle电子书版本网盘下载

群智能算法及化工优化问题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

概论1

第一章 化工优化模型8

1.1 数学模型8

1.2 化工问题的数学模型9

1.3 化工优化问题的数学模型10

1.4 本章小结11

第二章 优化问题的回顾与分析12

2.1 优化问题的概论12

2.1.1 概述12

2.1.2 优化问题的数学模型13

2.1.3 优化问题的分类14

2.2 优化问题的求解14

2.2.1 优化问题的全局最优解与局部最优解14

2.2.2 全局最优解与局部最优解的关系14

2.2.3 求解全局最优解的困难所在15

2.2.4 优化问题的求解方法16

2.3 优化问题及求解方法的演变分析20

2.4 全局优化算法的分类21

2.5 传统优化算法的不足23

2.6 本章小结24

第三章 信息原理与群搜索25

3.1 引言25

3.2 信息26

3.3 信息方法26

3.3.1 信息方法的含义27

3.3.2 信息方法的步骤27

3.4 信息融合28

3.5 基于信息方法的优化算法28

3.5.1 遗传算法29

3.5.2 蚁群算法30

3.5.3 粒子群算法31

3.6 搜索31

3.6.1 搜索的相关概念31

3.6.2 单点搜索32

3.6.3 群搜索33

3.6.4 群搜索算法研究解决的问题及其发展前景34

3.6.4.1 算法设计及改进研究34

3.6.4.2 算法的应用研究35

3.7 本章小结35

第四章 群智能优化算法及其收敛研究36

4.1 引言36

4.2 粒子群算法的产生背景及基本模式36

4.3 粒子群算法的拓扑结构和邻域结构38

4.3.1 影响拓扑结构的主要因素39

4.3.2 邻域结构和迭代式之间的对应关系39

4.3.3 几种典型的拓扑结构39

4.3.4 不同拓扑结构的效果比较41

4.4 粒子的运动分析42

4.4.1 PSO的Gbest粒子运动分析43

4.4.2 PSO的Pbest粒子运动分析46

4.4.3 PSO的Common粒子运动分析［89］48

4.4.4 PSO分析50

4.5 人工鱼群算法51

4.6 人工萤火虫算法52

4.6.1 GSO算法53

4.6.1.1 算法的数学描述与分析53

4.6.1.2 算法流程54

4.6.2 FA算法54

4.6.2.1 算法的数学描述与分析54

4.6.2.2 算法步骤55

4.7 蝙蝠算法56

4.7.1 蝙蝠算法的原理与数学描述56

4.7.2 蝙蝠算法基本流程57

4.8 本章小结58

第五章 粒子群优化算法求解多目标优化问题59

5.1 引言59

5.2 多目标优化问题的数学描述与一般的求解法60

5.2.1 多目标优化问题的数学描述60

5.2.2 多目标优化问题的解法60

5.2.2.1 基于单目标的多目标求解方法60

5.2.2.2 基于进化计算的多目标求解方法63

5.3 粒子群优化算法求解多目标优化问题的理想有效解64

5.3.1 多目标优化问题的理想有效解64

5.3.2 粒子群优化算法求多目标优化问题的理想有效解65

5.3.2.1 算法的基本思想65

5.3.2.2 算法流程66

5.3.2.3 算法的测试67

5.3.2.4 算法性能分析68

5.4 粒子群优化算法求解多目标优化问题的应用68

5.5 本章小结69

第六章 改进粒子群算法求解动态优化问题70

6.1 引言70

6.2 动态优化的数学描述与分类70

6.2.1 动态优化的数学描述70

6.2.2 动态优化的分类71

6.3 动态优化的一般解析方法71

6.3.1 变分法或基于极大值原理的解法72

6.3.2 基于最优原理的动态规划方法72

6.4 求解动念优化问题的现行数值方法73

6.4.1 梯度法73

6.4.2 动态规划方法73

6.5 改进的粒子群算法求解动态优化问题75

6.5.1 混沌粒子群算法求解边值不确定的动态优化问题75

6.5.2 混沌在求解优化问题中的应用77

6.5.3 混沌粒子群优化算法78

6.5.4 混沌粒子群算法求解动态优化问题的一般步骤78

6.5.5 混沌粒子群算法求解动态优化问题的应用79

6.5.6 粒子群优化法求解边值给定的动态优化问题80

6.6 本章小结82

第七章 共轭粒子群优化算法与二进制粒子群优化算法83

7.1 引言83

7.2 粒子群算法的数学分析83

7.3 共轭粒子群优化算法85

7.3.1 共轭方向法（Method of Conjugate Direction,CD）85

7.3.2 共轭方向粒子群算法（Method Conjugate Direction Particle Swarm Optimization,CDPSO）85

7.3.3 算法的性能测试86

7.3.4 算法的性能分析88

7.4 共轭粒子群算法的应用88

7.4.1 PSO与CDPSO对模型参数的估计88

7.4.2 结果分析89

7.5 二进制表示的粒子群优化算法89

7.5.1 二进制粒子群优化算法提出的原理89

7.5.2 二进制粒子群优化算法的基本步骤90

7.5.3 二进制粒子群优化算法的性能测试与分析91

7.6 BPSO在求解换热网络优化问题（HEN problem）中的应用92

7.7 本章小结92

第八章 自适应布谷鸟算法及其在化工优化中的应用93

8.1 引言93

8.2 动态优化问题的描述94

8.3 变步长自适应CS算法94

8.3.1 基本CS算法94

8.3.2 变步长策略95

8.3.3 变步长自适应CS（VSACS）算法流程96

8.4 函数测试96

8.4.1 标准测试函数96

8.4.2 测试结果99

8.5 变步长自适应布谷鸟搜索算法（VSACS）在化工动态优化中的应用107

8.5.1 批式反应器107

8.5.2 管式反应器107

8.5.3 Park-Ramirez生物反应器（PR-b）108

8.5.4 实验结果及讨论108

8.6 本章小结113

符号说明115

参考文献116