目錄
前言
第1章 優(yōu)化問題和仿生智能計(jì)算 1
1.1 現(xiàn)實(shí)世界中優(yōu)化問題的數(shù)學(xué)模型 1
1.2 解決優(yōu)化問題的途徑和方法 4
1.3 仿生智能計(jì)算 6
1.4 粒子群優(yōu)化算法的起源、發(fā)展及應(yīng)用 10
第2章 模仿鳥群覓食行為的粒子群優(yōu)化算法 19
2.1 基本粒子群優(yōu)化算法 19
2.2 標(biāo)準(zhǔn)粒子群優(yōu)化算法 20
2.3 離散粒子群優(yōu)化算法 21
2.4 粒子群優(yōu)化算法的拓?fù)浣Y(jié)構(gòu) 22
2.5 粒子群優(yōu)化算法中粒子的行為分析 26
2.6 標(biāo)準(zhǔn)粒子群優(yōu)化算法的隨機(jī)收斂性分析及參數(shù)選擇 29
第3章 形式多樣的粒子群優(yōu)化算法 37
3.1 具有遺傳特性的粒子群優(yōu)化算法 37
3.2 自適應(yīng)擴(kuò)展粒子群優(yōu)化算法 40
3.3 帶免疫性質(zhì)的粒子群優(yōu)化算法 46
3.4 混沌粒子群優(yōu)化算法 50
3.5 引入模擬退火機(jī)制的粒子群優(yōu)化算法 53
3.6 多種群競爭粒子群優(yōu)化算法 56
3.7 基于聚類的多子群粒子群優(yōu)化算法 59
3.8 帶極值擾動(dòng)的自適應(yīng)粒子群優(yōu)化算法 62
3.9 分組粒子群優(yōu)化算法 68
3.10 協(xié)同粒子群優(yōu)化算法 72
3.11 帶擾動(dòng)因子的布爾型離散粒子群優(yōu)化算法 80
第4章 無速度項(xiàng)的粒子群優(yōu)化算法 96
4.1 Bare-Bones粒子群優(yōu)化算法及分析 96
4.2 具有重心無速度項(xiàng)的粒子群優(yōu)化算法 98
4.3 具有慣性遺忘因子和重心的粒子群優(yōu)化算法 116
4.4 簡化的粒子群優(yōu)化算法 121
4.5 一般化的粒子群優(yōu)化算法及分析 124
4.6 具有量子行為的粒子群優(yōu)化算法 135
第5章 分布估計(jì)粒子群優(yōu)化算法 142
5.1 分布估計(jì)算法 142
5.2 基于分布估計(jì)的離散粒子群優(yōu)化算法 144
5.3 基于認(rèn)知種群的分布估計(jì)粒子群優(yōu)化算法 147
5.4 結(jié)合云模型的分布估計(jì)粒子群優(yōu)化算法 150
5.5 基于Copula的分布估計(jì)粒子群優(yōu)化算法 154
第6章 粒子群優(yōu)化算法的應(yīng)用 161
6.1 粒子群優(yōu)化算法在盲信號分離中的應(yīng)用 161
6.2 基于粒子群優(yōu)化算法的隱馬爾可夫模型優(yōu)化 176
6.3 基于布爾型粒子群優(yōu)化算法的網(wǎng)絡(luò)編碼優(yōu)化 191
6.4 粒子群優(yōu)化算法在股票價(jià)格預(yù)測中的應(yīng)用 201
6.5 在多路回波消除中的應(yīng)用 205
6.6 粒子群優(yōu)化算法用于FIR SIMO信道盲辨識 213
參考文獻(xiàn) 216