|
|
|
系統地描述了人工蜂群算法的理論、流程、發展、參量設置和實現技術及其應用實例，着重強調算法的改進及應用，各種混合算法的性能及與其他群體智能優化算法性能的比較。並給出了實現有關應用實例的MATLAB 程序設計完整源代碼，為讀者進一步深入學習、理解和掌握人工蜂群算法提供了方便。
江銘炎(1964-)，男，江蘇蘇州人，博士，山東大學教授，博士生導師，山東大學信息科學與工程學院副院長，山東省重點學科「信號與信息處理」學術帶頭人。在國內外核心期刊和重要國際學術會議上發表論文150余篇，出版著作四部。主持國家自然科學基金一項，山東省自然科學基金兩項，參與國家、省部級及企業項目多項。主要研究方向：軟計算、信號與圖像處理、4G通信關鍵技術、計算機網絡、生物信息與海量數據挖掘。袁東風(1958-)，男，山東濟南人，博士，山東大學教授，博士生導師，山東大學信息科學與工程學院院長，山東大學「信息與通信工程」一級學科博士點學術帶頭人，山東省「通信與信息系統」省級強化建設重點學科學術帶頭人，山東省「寬帶無線通信技術」省級重點實驗室學術帶頭人。主持和完成國家自然科學基金三項，山東省自然科學重點基金兩項，國家和省部級重點橫項項目多項。山東省有突出貢獻的中青年專家，享受國務院政府特殊津貼。在國內外著名期刊和IEEE組織的國際會議上發表學術論文260余篇，出版著作四部：主要研究方向：通信理論與抗干擾技術、跨層設計、認知無線電網絡等。
序
前言
第1章 緒論
1.1最優化問題與最優化方法
1.1.1優化的概念與數學模型
1.1.2最優化問題與方法的分類
1.1.3最優化問題的復雜性及NP理論
1.2最優化算法的研究與發展
1.3群體智能優化算法概述
1.4幾種群體智能優化算法簡介
1.4.1標准遺傳算法
1.4.2粒子群算法
1.4.3蟻群算法
1.4.4人工魚群算法
1.5 人工蜂群算法研究與應用概述
1.5.1 人工蜂群算法的提出與改進
1.5.2人工蜂群算法與其他算法的融合
1.5.3 人工蜂群算法在多領域中的應用
1.5.4人工蜂群算法總結
1.6本章小結
參考文獻
第2章 基本人工蜂群算法
2.1人工蜂群算法基本概念
2.2人工蜂群算法實現步驟
2.3人工蜂群算法搜索策略分析
2.4應用實例：基本測試函數的優化
2.5人工蜂群算法的特點及參數設置
2.6 MATLAB程序設計
2.7本章小結
參考文獻
第3章 人工蜂群算法的性能分析與改進
3.1 人工蜂群算法收斂性證明
3.1.1人工蜂群算法的Markov鏈模型
3.1.2人工蜂群算法收斂性證明
3.2人工蜂群算法參數對優化結果的影響分析
3.3整數人工蜂群算法
3.3.1 整數優化的人工蜂群算法
3.3.2實驗結果與分析
3.4量子人工蜂群算法
3.4.1量子計算
3.4.2量子人工蜂群算法
3.4.3實驗結果與分析
3.5小生境人工蜂群算法
3.5.1小生境技術
3.5.2小生境人工蜂群算法
3.5.3實驗結果與分析
3.6全局人工蜂群算法
3.6.1基本人工蜂群算法的不足
3.6.2全局人工蜂群算法
3.6.3實驗結果與分析
3.7 MATLAB程序設計
3.8本章小結
參考文獻
第4章 混合蜂群算法
4.1 基於量子和高斯分布的改進人工蜂群算法
4.1.1 量子和高斯分布的改進蜂群算法
4.1.2實驗結果與分析
4.2禁忌搜索一蜂群混合優化算法
4.2.1禁忌搜索
4.2.2禁忌搜索蜂群算法
4.2.3實驗結果與分析
4.3模擬退火一蜂群混合優化算法
4.3.1模擬退火算法
……
第5章並行人工蜂群算法
第6章 人工蜂群算法在函數優化中的應用
第7章 人工蜂群算法在工程中的應用
附錄A常用術語英漢對照表
附錄B測試函數集
附錄C 人工蜂群算法相關網站
