新型人工蜂群和粒子群算法及應用

定　價：￥39.00

作　者：	王榮杰著
出版社：	廈門大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787561583623	出版時間：	2021-12-01	包裝：
開本：	16開	頁數(shù)：	142	字數(shù)：

內(nèi)容簡介

　　《新型人工蜂群和粒子群算法及應用》立足于解決工程實際問題，通過建構人工蜂群和人工粒子群優(yōu)化算法尋優(yōu)機理的理論框架，針對解決船舶電力系統(tǒng)穩(wěn)定器設計、非線性動態(tài)系統(tǒng)辨識、船舶內(nèi)殼板材優(yōu)化設計、多約束問題優(yōu)化、盲源分離、混沌系統(tǒng)參數(shù)辨識、圖像有序盲分離、太陽能電池模型參數(shù)辨識、船舶混合能源系統(tǒng)配置優(yōu)化及能量管理等若干關鍵問題，進行深入的研究和分析?！缎滦腿斯し淙汉土Ｗ尤核惴皯谩返闹饕攸c在于不僅針對相關問題進行理論上的分析，還通過一系列仿真實驗予以驗證，彰顯其研究成果在理論和實踐上的雙重價值和意義?！缎滦腿斯し淙汉土Ｗ尤核惴皯谩愤m合從事信號處理、自動化控制、智能信息處理和船舶工程的科研人員以及研究生學習參考。

作者簡介

　　王榮杰，2012年中山大學博士畢業(yè)，香港理工大學訪問學者，現(xiàn)為集美大學輪機工程學院教授、船舶與海洋工程學科博士生導師，國家自然科學基金委員會工程與材料科學部、信息科學部通訊評議人，中國航海智庫特約研究員（船舶工程領域），廈門市電機工程學會副理事長。長期從事船舶電力系統(tǒng)故障預測診斷和智能信息處理方向的教學與研究，先后主持國家自然科學基金項目2項、交通運輸部科研項目1項、福建省自然科學基金項目2項、福建省科技擁軍項目1項、省部級重點實驗室和市廳級等科研項目10余項；出版學術專著3部，取得授權國家發(fā)明專利11項（排名首位），以首作者身份在國內(nèi)外重要學術期刊上發(fā)表論文50余篇，其中20余篇被SCI/EI收錄、2篇分別獲2016年第十二屆福建省自然科學優(yōu)秀學術論文二等獎和三等獎、1篇獲廈門市第七屆自然科學優(yōu)秀學術論文三等獎；研究成果“智能信息處理技術在新能源電力系統(tǒng)的應用與試驗”（排名首位）獲2018年福建電機工程科技獎二等獎。2019年入選交通運輸部“交通運輸行業(yè)高層次人才培養(yǎng)計劃”、獲交通運輸部“交通運輸青年科技英才”稱號和第四屆福建電機工程突出貢獻二等獎，2018年入選“集美大學青年拔尖人才支持計劃（首批）”，2017年入選“福建省高等學校新世紀優(yōu)秀人才支持計劃”，2015年獲第八屆廈門市電機工程學會“工作積極分子”稱號，2014年入選“福建省高校杰出青年科研人才培育計劃”。

圖書目錄

第1章基于人工蜂群算法的船舶電力系統(tǒng)穩(wěn)定器設計
1．1 引言
1．2 基于PSS的船舶同步發(fā)電機勵磁控制系統(tǒng)
1．2．1 可控相復勵勵磁系統(tǒng)
1．2．2 PSS改善系統(tǒng)穩(wěn)定性機理
1．3 PSS參數(shù)優(yōu)化
1．3．1 ABC算法
1．3．2 PSS參數(shù)優(yōu)化目標函數(shù)
1．3．3 ABC算法優(yōu)化PSS參數(shù)實現(xiàn)
1．4 仿真實驗與分析
1．5 本章小結
參考文獻
第2章基于粒子群算法和寬度學習系統(tǒng)的非線性動態(tài)系統(tǒng)辨識
2．1 非線性動態(tài)系統(tǒng)辨識研究概況
2．2 PSO-BLS非線性動態(tài)系統(tǒng)辨識模型
2．2．1 寬度學習系統(tǒng)
2．2．2 PSO-BLS模型設計
2．3 驗證實驗
2．4 本章小結
參考文獻
第3章基于群智能算法的船舶內(nèi)殼板材優(yōu)化設計
3．1 引言
3．2 C．H的結構
3．2．1 C．H結構布置
3．2．2 SISP的3D模型
3．2．3 SISP參數(shù)模型
3．3 構建SISP的數(shù)學模型
3．3．1 優(yōu)化目標
3．3．2 約束
3．3．3 SISP的數(shù)學模型
3．4 基于群智能算法的SISP優(yōu)化設計
3．4．1 ABC算法
3．4．2 PSO算法
3．4．3 GA算法
3．4．4 DE算法
3．4．5 基于群智能算法的SISP優(yōu)化設計
3．5 實例驗證
3．6 本章小結
參考文獻
第4章基于群智能算法的多約束問題優(yōu)化
4．1 引言
4．2 約束問題
4．3 群智能算法
4．3．1 ABC算法
4．3．2 PSO算法
4．4 基于群智能算法的多約束問題優(yōu)化
4．4．1 ABC算法的實現(xiàn)
4．4．2 PSO算法的實現(xiàn)
4．5 仿真實驗分析
4．6 本章小結
參考文獻
……
第5章基于自適應人工蜂群優(yōu)化和峰度的盲源分離算法
第6章基于人工蜂群和差分進化混合算法的混沌系統(tǒng)參數(shù)辨識
第7章基于對立粒子群優(yōu)化的圖像有序盲分離算法
第8章基于增強型粒子群優(yōu)化的太陽能電池模型參數(shù)辨識的方法
第9章基于量子計算的船舶混合能源系統(tǒng)配置優(yōu)化及能量管理