面向复杂系统的群集智能PDF|Epub|txt|kindle电子书版本网盘下载

面向复杂系统的群集智能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

第一篇 导 引篇3

第1章 绪论3

1.1引言3

1.2群集智能行为的生物原型5

1.2.1蚁群觅食5

1.2.2鸟群觅食6

1.2.3蚁群劳动分工6

1.2.4蚁群墓地构造7

1.2.5蜂群筑巢7

1.3群集智能研究进展8

1.3.1群集智能系统结构9

1.3.2群集智能模型与算法11

1.3.3群集智能典型应用15

1.3.4群集智能发展展望18

1.4群集智能特性分析及其对复杂系统研究的意义20

1.4.1群集智能特性分析20

1.4.2群集智能对复杂系统研究的意义23

1.5本书的主要内容25

1.6本书的篇章结构28

参考文献30

第二篇 主体篇39

第2章 群集智能优化的算法理论与算法改进39

2.1群集智能优化概述39

2.2群集智能优化算法及其理论分析41

2.2.1微粒群算法41

2.2.2蚁群算法44

2.2.3人工蜂群算法45

2.2.4微粒群算法的理论分析47

2.3微粒群算法的稳定性48

2.3.1生物学背景48

2.3.2带被动c-聚集的微粒群算法50

2.3.3近邻个体交互微粒群算法52

2.3.4近邻个体交互微粒群算法的李雅普诺夫稳定性分析55

2.3.5带主动c-聚集的微粒群算法58

2.3.6 PSOAC算法的一致渐近稳定性分析59

2.3.7基于群体决策信息的微粒群算法70

2.4最大速度上限的改进策略73

2.4.1最大速度常数的研究现状73

2.4.2最大速度上限的作用74

2.4.3最大速度上限的随机策略76

2.5具有确定认知策略的混合微粒群算法79

2.5.1标准微粒群算法的局部收敛性能分析79

2.5.2具有确定认知策略的混合微粒群算法原理83

2.5.3非稳定线性系统逼近问题90

2.6自适应分工微粒群算法91

2.6.1微粒群算法中的自适应分工原理91

2.6.2局部环境因子和种群自适应分工策略92

2.6.3 ADPSO算法的结构与实现94

2.6.4ADPSO算法的性能分析95

2.7群集智能优化方法的综合应用实例99

2.7.1问题的描述99

2.7.2并行公差优化设计问题的模型转换101

2.7.3面向并行公差优化设计的混合群集智能算法103

2.7.4综合求解实例106

2.8小结108

参考文献109

第3章 基于群集智能的复杂系统共进化115

3.1引言115

3.2复杂系统的共进化机制分析117

3.2.1生物系统中的进化与共进化117

3.2.2基于遗传算法的共进化机制118

3.2.3群集智能中的共进化机制120

3.2.4复杂系统共进化的研究思路121

3.3共进化问题求解的基本原理122

3.3.1复杂问题求解的一般过程122

3.3.2“问题空间-算子空间-解空间”的共进化求解原理123

3.3.3问题空间与解空间的共进化126

3.3.4算子空间与解空间的共进化126

3.3.5问题空间与算子空间的共进化128

3.4基于群集智能的多目标共进化优化方法129

3.4.1多目标优化问题及其求解分析129

3.4.2面向离散变量的CACSM算法133

3.4.3面向连续变量的MOPSO算法137

3.5基于群集智能的多群体共进化优化方法143

3.5.1问题求解背景143

3.5.2面向问题的多群体共进化蚁群优化方法145

3.5.3问题空间-解空间共进化优化的应用实例154

3.6小结158

参考文献159

第4章 蚁群劳动分工建模与仿真161

4.1引言161

4.1.1蚁群劳动分工模型研究概述161

4.1.2应用背景分析163

4.2蚁群劳动分工模型165

4.2.1群体动力学模型165

4.2.2固定响应阈值模型166

4.2.3时变响应阈值模型169

4.2.4分析说明172

4.3多任务蚁群劳动分工建模与仿真173

4.3.1研究背景173

4.3.2多任务蚁群劳动分工模型的设计与实现174

4.3.3供应链式虚拟企业仿真176

4.3.4组织虚拟式虚拟企业仿真180

4.3.5分析讨论183

4.4多状态蚁群劳动分工建模与仿真185

4.4.1 研究背景185

4.4.2多状态蚁群劳动分工模型的设计与实现187

4.4.3基于多状态蚁群劳动分工模型的仿真实例188

4.5多项目调度蚁群劳动分工模型建立及其求解193

4.5.1多项目调度问题描述193

4.5.2多项目调度蚁群劳动分工模型的设计与实现195

4.5.3基于多项目调度蚁群劳动分工模型的仿真实例201

4.6基于精英策略的蚁群劳动分工模型优化204

4.6.1研究思路204

4.6.2基于精英策略的蚁群劳动分工模型优化方法与实现205

4.7小结207

参考文献208

第5章 群集智能作用下的结构涌现211

5.1引言211

5.2基于蚁群墓地构造的聚类模型及其应用214

5.2.1基于蚁群墓地构造的聚类模型214

5.2.2蚁群聚类模型的并行化及有关说明218

5.2.3基于蚁群聚类模型的机构轨迹综合220

5.3基于蜂群筑巢的实体结构涌现模型及其应用225

5.3.1社会性昆虫群体的筑巢行为225

5.3.2基于群集智能的筑巢模型及其实现算法226

5.3.3基于筑巢模型的结构涌现仿真分析228

5.4基于元胞自动机的实体结构涌现模型及其应用231

5.4.1基于元胞自动机的连续结构涌现模型232

5.4.2基于元胞自动机的连续结构涌现模型的相关性能分析239

5.4.3基于连续结构涌现模型的拓扑优化设计实例243

5.5基于社会网络的虚拟结构涌现模型及其应用246

5.5.1社会网络结构涌现的有关说明246

5.5.2社会网络的结构涌现247

5.5.3社会网络中社区结构涌现的实例分析252

5.6小结256

参考文献256

第三篇 扩展篇261

第6章 群集智能的新发展——社会情感计算261

6.1引言261

6.2社会情感优化算法概述262

6.2.1社会情感理论262

6.2.2标准社会情感优化算法264

6.3基于情感强度第三定律的社会情感优化算法266

6.4引入情绪调整策略的小世界社会情感优化算法275

6.4.1算法思路275

6.4.2数值实验仿真277

6.4.3人工神经网络的训练282

6.5社会情感优化算法的适应值预测策略287

6.5.1 引言287

6.5.2基于适应值的加权平均预测思想288

6.5.3基于适应值的加权平均预测公式289

6.5.4预测的比例讨论291

6.6小结291

参考文献292

第7章 群集智能与人工神经网络和人工免疫系统的关系295

7.1引言295

7.2人工神经网络与人工免疫网络概述296

7.2.1人工神经网络生物原型与算法296

7.2.2人工免疫系统生物原型与算法298

7.3群集智能与人工神经网络的相似性305

7.3.1系统结构的相似性306

7.3.2学习机制的相似性307

7.3.3反馈机制的对比分析308

7.3.4问题求解的对比分析309

7.4群集智能与人工免疫系统的关联性315

7.4.1相似性分析315

7.4.2差异性分析319

7.4.3问题求解的对比分析322

7.5小结331

参考文献332

第8章 人工蜂群算法与人工免疫网络系统的融合337

8.1引言337

8.2人工蜂群算法概述338

8.2.1基本人工蜂群算法338

8.2.2人工蜂群算法模型340

8.3人工蜂群算法与人工免疫算法的融合机理341

8.4混合算法在工程约束优化参数设计中的应用344

8.4.1约束优化问题的数学模型344

8.4.2仿真实验345

8.4.3仿真结果分析348

8.5具有多峰特性的多项目调度问题的混合算法求解350

8.5.1问题背景350

8.5.2 MRCMPSP问题数学模型及其约束简化351

8.5.3混合算法对MRCMPSP问题的求解357

8.5.4数值实例359

8.6小结361

参考文献361

索引365

后记370