群集智能優(yōu)化算法及應用

前言
第一篇 導引篇
第1章 概述 3
1.1 群集智能概述 3
1.2 群集智能的基本原則與特點 5
1.3 群集智能理論研究現(xiàn)狀 8
1.3.1 群集智能計算方法 8
1.3.2 群集智能模型研究 9
1.3.3 群集智能行為研究 9
1.3.4 群體協(xié)作行為研究 10
1.3.5 群集智能數(shù)學建模方法 10
1.4 群集智能算法的發(fā)展展望 11
1.4.1 群集智能理論的完善 11
1.4.2 群集智能算法的設計 11
1.4.3 群集智能算法性能的提高 12
1.5 本書章節(jié)安排 12
參考文獻 14
第二篇 基礎篇
第2章 蟻群優(yōu)化算法 21
2.1 引言 21
2.2 蟻群優(yōu)化算法理論原理 22
2.2.1 基本蟻群的覓食過程 22
2.2.2 基本蟻群的機制原理 23
2.2.3 基本蟻群算法的特點 24
2.3 蟻群優(yōu)化算法數(shù)學模型及實現(xiàn)流程 25
2.3.1 蟻群優(yōu)化算法的數(shù)學模型 25
2.3.2 蟻群優(yōu)化算法的算法步驟流程 27
2.3.3 蟻群優(yōu)化算法的程序結構流程 28
2.4 改進的蟻群優(yōu)化算法 29
2.4.1 最大最小蟻群算法 29
2.4.2 具有變異和分工特征的蟻群算法 31
2.4.3 自適應蟻群算法 32
2.5 蟻群優(yōu)化算法的典型應用 33
2.6 本章小結 35
參考文獻 35
第3章 傳染病動力學模型及疫情優(yōu)化控制算法 38
3.1 引言 38
3.2 經(jīng)典倉室傳染病模型 39
3.2.1 SIS 模型 39
3.2.2 SIR 模型 40
3.2.3 SIRS 模型 41
3.3 多種群傳染病模型 42
3.4 網(wǎng)絡傳染病模型 43
3.5 基于Agent個體的傳染病模型 45
3.6 傳染病疫情優(yōu)化控制 46
3.6.1 疫情控制模型問題提出 47
3.6.2 傳染病疫情優(yōu)化控制模型 48
3.7 本章小結 50
參考文獻 50
第4章 粒子群優(yōu)化算法 54
4.1 引言 54
4.2 粒子群優(yōu)化算法的數(shù)學模型及算法流程 54
4.2.1 粒子群優(yōu)化算法的數(shù)學模型 54
4.2.2 粒子群優(yōu)化算法的算法流程 57
4.3 改進的粒子群優(yōu)化算法 58
4.3.1 帶慣性權重的PSO 模型 58
4.3.2 帶收縮系數(shù)的PSO 模型 59
4.3.3 Bare Bones Particle Swarm(BBPS)模型 59
4.3.4 帶被動c-聚集的PSO 模型 60
4.3.5 基于拓撲結構的改進算法 61
4.4 粒子群優(yōu)化算法的典型應用 62
4.5 本章小結 63
參考文獻 63
第三篇 應用篇
第5章 基于人工蟻群的無線傳感器網(wǎng)絡節(jié)點喚醒控制算法 69
5.1 引言 69
5.2 問題提出 72
5.3 算法實現(xiàn) 74
5.3.1 螞蟻搜索 75
5.3.2 信息素釋放 76
5.3.3 信息素擴散 77
5.3.4 信息素的積累 77
5.3.5 基于信息素的控制 78
5.4 參數(shù)設計 78
5.5 算法仿真結果比較 80
5.6 定理闡述 86
5.6.1 定理1和定理2 中各項參數(shù)的定義 86
5.6.2 定理1的證明 87
5.6.3 定理2的證明 89
5.7 本章小結 91
參考文獻 92
第6章 基于分布式傳染病模型的無線傳感網(wǎng)聯(lián)合預警與跟蹤 96
6.1 引言 96
6.2 問題提出 97
6.3 分布式傳染病模型 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 病毒量積累 102
6.4 分布式傳染病模型與節(jié)點聯(lián)合喚醒控制問題 103
6.4.1 喚醒控制問題 103
6.4.2 基于分布式傳染病模型的聯(lián)合喚醒控制 104
6.5 參數(shù)設計 105
6.6 仿真分析 106
6.6.1 算法比較 107
6.6.2 算法魯棒性驗證 108
6.6.3 交叉運動雙目標跟蹤 110
6.7 定理闡述 111
6.8 本章小結 112
參考文獻 113
第7章 基于粒子群算法的機場停機位分配求解 116
7.1 引言 116
7.2 機位分配問題描述 119
7.2.1 機位分配問題約束條件 119
7.2.2 機位分配問題的優(yōu)化目標函數(shù) 124
7.3 機位分配優(yōu)化模型建立 126
7.3.1 假設條件 126
7.3.2 模型建立 126
7.4 基于粒子群算法的機位分配問題優(yōu)化求解 127
7.4.1 適應度函數(shù)設計 127
7.4.2 航班分配層次排序算法設計 128
7.4.3 機位分配優(yōu)化模型約束處理 129
7.4.4 基于Round規(guī)則的停機位編碼設計 131
7.4.5 航班機位沖突判定算法的設計 132
7.4.6 求解停機位分配問題的PSO算法設計 132
7.5 實驗仿真及數(shù)值分析 134
7.5.1 案例描述 134
7.5.2 參數(shù)設置 136
7.5.3 仿真結果 137
7.6 本章小結 140
參考文獻 140
第8章 基于粒子群算法的空間站組裝姿態(tài)指令優(yōu)化求解 143
8.1 引言 143
8.2 空間站組裝的數(shù)學模型 144
8.3 姿態(tài)指令優(yōu)化函數(shù)求解 148
8.3.1 梯度下降法 148
8.3.2 標準PSO算法 148
8.3.3 基于生物互利共生的雙種群PSO 算法 149
8.4 基于互利共生的雙種群PSO算法仿真實驗 152
8.4.1 測試函數(shù)和參數(shù)設定 152
8.4.2 實驗結果與分析 153
8.5 空間站組裝姿態(tài)指令優(yōu)化數(shù)值實驗 158
8.5.1 參數(shù)設定 158
8.5.2 實驗結果 158
8.6 本章小結 164
參考文獻 164
彩圖