电子工业出版社-网上书店

智能优化算法作为人工智能的最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。为了使读者更全面地掌握并使用Matlab实现智能优化算法，本书由浅至深，分为两个部分：第一部分：智能优化算法及其Matlab实现，具体包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；第二部分：智能优化算法性能测试，具体包括：智能优化算法基准测试集简介和智能优化算法性能测试方法。本书有助于读者从概念、原理、代码实现、应用案例、测试方法、性能比较分析中逐步掌握不同的智能优化算法。

目　　录

第1章  粒子群优化算法原理及其MATLAB
        实现	1
1.1  粒子群优化算法的基本原理	1
1.1.1  粒子和速度初始化	1
1.1.2  个体历史最优值和全局最优值	1
1.1.3  粒子群的速度和位置更新	2
1.1.4  粒子群优化算法流程	2
1.2  粒子群优化算法的MATLAB
    ?实现	3
1.2.1  种群初始化	3
1.2.2  适应度函数	5
1.2.3  边界检查和约束函数	5
1.2.4  粒子群优化算法代码	6
1.3  粒子群优化算法的应用案例	8
1.3.1  求解函数极值	8
1.3.2  带约束问题求解：基于粒子群
     优化算法的压力容器设计	10
1.4  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	17
2.1  蚁狮优化算法的基本原理	17
2.1.1  蚂蚁的随机游走	17
2.1.2  设置陷阱	18
2.1.3  利用陷阱诱捕蚂蚁	18
2.1.4  捕获猎物并重建洞穴	19
2.1.5  蚁狮优化算法流程	19
2.2  蚁狮优化算法的MATLAB
    ?实现	20
2.2.1  种群初始化	20
2.2.2  适应度函数	22
2.2.3  边界检查和约束	22
2.2.4  轮盘赌策略	23
2.2.5  蚁狮优化算法的随机游走	24
2.2.6  蚁狮优化算法的MATLAB
     代码	28
2.3  蚁狮优化算法的应用案例	30
2.3.1  求解函数极值	30
2.3.2  带约束问题求解：基于蚁狮
     优化算法的压力容器设计	32
2.4  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	39
3.1  果蝇优化算法的基本原理	39
3.1.1  果蝇初始化	39
3.1.2  果蝇通过气味寻找食物	39
3.1.3  果蝇位置更新	40
3.1.4  果蝇优化算法流程	40
3.2  果蝇优化算法的MATLAB
    ?实现	41
3.2.1  果蝇位置初始化	41
3.2.2  适应度函数	43
3.2.3  边界检查和约束	43
3.2.4  果蝇优化算法代码	44
3.2.5  改进果蝇优化算法代码	45
3.3  果蝇优化算法的应用案例	47
3.3.1  求解函数极值	47
3.3.2  带约束问题求解：基于果蝇
     优化算法的压力容器设计	49
3.4  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	56
4.1  萤火虫优化算法的基本原理	56

4.1.1  萤火虫的相对亮度计算	56
4.1.2  萤火虫的吸引度计算	56
4.1.3  萤火虫的位置更新	56
4.1.4  萤火虫优化算法流程	57
4.2  萤火虫优化算法的MATLAB
    ?实现	57
4.2.1  萤火虫位置初始化	57
4.2.2  适应度函数	59
4.2.3  边界检查和约束	60
4.2.4  萤火虫优化算法代码	60
4.3  萤火虫优化算法的应用案例	63
4.3.1  求解函数极值	63
4.3.2  带约束问题求解：基于萤火虫
     优化算法的压力容器设计	65
4.4  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	71
5.1  灰狼优化算法的基本原理	71
5.1.1  包围猎物	71
5.1.2  狩猎	72
5.1.3  攻击猎物	72
5.1.4  搜索猎物	72
5.1.5  灰狼优化算法流程	73
5.2  灰狼优化算法的MATLAB
    ?实现	74
5.2.1  灰狼位置初始化	74
5.2.2  适应度函数	75
5.2.3  边界检查和约束	76
5.2.4  灰狼优化算法代码	77
5.3  灰狼优化算法的应用案例	79
5.3.1  求解函数极值	79
5.3.2  带约束问题求解：基于灰狼
     优化算法的压力容器设计	81
5.4  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	89
6.1  正余弦优化算法的基本原理	89
6.1.1  正余弦机制	89
6.1.2  正余弦优化算法流程	90
6.2  正余弦优化算法的MATLAB
    ?实现	91
6.2.1  正余弦位置初始化	91
6.2.2  适应度函数	92
6.2.3  边界检查和约束	93
6.2.4  正余弦优化算法代码	94
6.3  正余弦优化算法的应用案例
    ?实验	95
6.3.1  求解函数极值	95
6.3.2  带约束问题求解：基于正余弦
     优化算法的压力容器设计	97
6.4  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	104
7.1  多元宇宙优化算法的基本
    ?原理	104
7.1.1  宇宙的定义	104
7.1.2  传输机制	104
7.1.3  虫洞系数	105
7.1.4  多元宇宙优化算法流程	105
7.2  多元宇宙优化算法的MATLAB
    ?实现	106
7.2.1  种群初始化	106
7.2.2  适应度函数	108
7.2.3  边界检查和约束	108
7.2.4  轮盘赌策略	109
7.2.5  多元宇宙优化算法代码	110
7.3  多元宇宙优化算法的应用
    ?案例	112
7.3.1  求解函数极值	112
7.3.2  带约束问题求解：基于多元宇宙
     优化算法的压力容器设计	115
7.4  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	122
8.1  引力搜索算法的基本原理	122
8.1.1  万有引力定律	122
8.1.2  个体引力计算	123
8.1.3  加速度计算	124
8.1.4  速度和位置更新	124
8.1.5  引力搜索算法流程	124
8.2  引力搜索算法的MATLAB
    ?实现	125
8.2.1  位置初始化	125
8.2.2  适应度函数	127
8.2.3  边界检查和约束	127
8.2.4  计算质量	128
8.2.5  计算引力常数	129
8.2.6  计算加速度	129
8.2.7  位置更新	130
8.2.8  引力搜索算法代码	130
8.3  引力搜索算法的应用案例	132
8.3.1  求解函数极值	132
8.3.2  带约束问题求解：基于引力
     搜索算法的压力容器设计	134
8.4  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	140
9.1  树种优化算法的基本原理	140
9.1.1  树种的定义及生成	140
9.1.2  种子的繁殖	140
9.1.3  树种优化算法流程	141
9.2  树种优化算法的MATLAB
    ?实现	141
9.2.1  种群初始化	141
9.2.2  适应度函数	143
9.2.3  边界检查和约束	143
9.2.4  树种优化算法	144
9.3  树种优化算法的应用案例	146
9.3.1  求解函数极值	146
9.3.2  带约束问题求解：基于树种
     优化算法的压力容器设计	148
9.4  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	155
10.1  风驱动优化算法的基本原理	155
10.1.1  参数的定义	155
10.1.2  适应度函数的选取	155
10.1.3  空气单元运动范围的确定	155
10.1.4  风的抽象化及空气单元的
      更新	155
10.1.5  风驱动优化算法流程	157
10.2  风驱动优化算法的MATLAB
     ?实现	158
10.2.1  种群初始化	158
10.2.2  适应度函数	160
10.2.3  边界检查和约束	160
10.2.4  风驱动优化算法	161
10.3  风驱动优化算法的应用案例	163
10.3.1  求解函数极值	163
10.3.2  带约束问题求解：基于风驱动
      优化算法的压力容器设计	165
10.4  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	172
11.1  基准测试集简介	172
11.2  基准测试函数绘图与测试函数
     ?代码编写	173
11.2.1  函数F1	173
11.2.2  函数F2	174
11.2.3  函数F3	175
11.2.4  函数F4	177
11.2.5  函数F5	178
11.2.6  函数F6	179
11.2.7  函数F7	180
11.2.8  函数F8	181
11.2.9  函数F9	182
11.2.10  函数F10	183
11.2.11  函数F11	184
11.2.12  函数F12	185
11.2.13  函数F13	186
11.2.14  函数F14	187
11.2.15  函数F15	189
11.2.16  函数F16	190
11.2.17  函数F17	191
11.2.18  函数F18	192
11.2.19  函数F19	193
11.2.20  函数F20	194
11.2.21  函数F21	195
11.2.22  函数F22	196
11.2.23  函数F23	198
第12章  智能优化算法性能测试	200
12.1  智能优化算法性能测试方法	200
12.1.1  平均值	200
12.1.2  标准差	200
12.1.3  最优值和最差值	201
12.1.4  收敛曲线	202
12.2  测试案例	202
12.2.1  测试函数信息	202
12.2.2  测试方法及参数设置	203
12.2.3  测试结果	203

前    言
近年来，智能优化算法的飞速发展使得越来越多的本科生、研究生、教师、科研工作者及工程技术人员对其进行研究。在使用各种各样新奇、有趣的智能优化算法解决科研或工程问题时，常常会让人觉得智能优化算法的原理深奥、术语晦涩难懂、程序代码实现困难，更不知道采用什么样的标准来衡量不同算法的性能，进而选择合适的智能优化算法解决相应的实际问题。为此，针对上述问题，本书旨在按照智能优化算法的基本原理、代码实现、应用案例、性能测试等逻辑脉络由浅至深地讲解，使读者能够迅速地入门并掌握智能优化算法及其MATLAB代码实现的相关技巧，为在后续的学术研究和工程实践中加以应用。
本书分为两个部分，第一部分：智能优化算法及其MATLAB实现，具体包括10种智能优化算法（粒子群优化算法、蚁狮优化算法、果蝇优化算法、萤火虫优化算法、灰狼优化算法、正余弦优化算法、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）原理讲述、MATLAB实现、应用案例实现及分析；第二部分：智能优化算法性能测试，具体包括智能优化算法基准测试集简介和智能优化算法性能测试方法。
本书具有如下特点：
（1）对于智能优化算法原理及MATLAB代码的实现，本书阐述更加细致，便于读者理解算法原理和代码编写的意图和逻辑。
（2）本书的应用案例聚焦相同案例的MATLAB实现与分析，读者在学习和理解不同专业案例背景时往往需要花费很大的精力和时间，为此，本书使用相同案例，便于读者更加聚焦不同智能优化算法本身的理解、比较、掌握。
（3）本书介绍智能优化算法的性能测试方法，帮助读者分析不同算法的优缺点，从理性的视角选择更加合适的智能优化算法来解决相应的科研或工程问题。
为便于读者学习和参考，注册并登录华信教育网（https://www.hxedu.com.cn/）可以免费下载本书实例源代码。读者在本书的学习过程中，如果遇到疑难问题，可以发邮件到邮箱ioa2021@163.com，编者会及时解答。
在本书编写过程中，除了引用智能优化算法的原始文献，还参考了国内外相关研究的文献及有价值的博士、硕士学位论文等，感谢被本书直接或间接引用文献资料的同行学者们！
本书的出版始终得到电子工业出版社的大力支持，在此表示由衷的感谢！
由于编著者水平有限，书中错误和疏漏之处在所难免，诚恳地期望得到各位专家和读者朋友们批评指正。

编  者      
2021年9月 ?

陈克伟，男，陆军装甲兵学院。2002.09-2006.07：西安交通大学电气学院，电气工程与自动化专业本科；2006.09-2008.12，国防科技大学机电工程与自动化学院 控制科学与工程专业，硕士；2008.12-至今，陆军装甲兵学院兵器与控制系教师。教学成果获奖情况：原总装备部教学成果三等奖。

本书配套资源下载

对不起，暂无音视频资源！