群智能算法及其應用（簡體書）

群智能算法作為一種新興的演化計算技術，已成為越來越多研究者的關注焦點，它與人工生命，特別是進化策略以及遺傳算法有著極為特殊的聯系。群智能理論研究領域主要有兩種算法：蟻群算法和粒子群優化算法。蟻群算法是對螞蟻群落食物采集過程的模擬，已成功應用于許多離散優化問題。粒子群優化算法也是起源于對簡單社會系統的模擬，最初是模擬鳥群覓食的過程，但后來發現它是一種很好的優化工具。
本書系統地描述了蟻群算法和粒子群優化算法的理論和實現技術及其應用，簡單地介紹了魚群算法。本書著重強調各種算法的混合，討論了蟻群算法與模擬退火算法的混合、蟻群算法與遺傳算法的混合、蟻群算法與混沌理論混合、模擬退火算法、遺傳算法與粒子群優化算法混合、混沌理論與粒子群優化算法的混合以及蟻群算法與粒子群優化算法的混合。書中還討論了群智能算法在旅行商問題、武器一目標分配問題、多處理機調度問題、可靠性優化問題、聚類問題、作業調度問題等方面的應用。
本書可作為信息類的高年級本科生、碩士生、博士生以及廣大研究智能算法的科技工作者的參考書。

前言
第1章 緒論
1.1 引言
1.2 蟻群算法的基本原理
1.3 粒子群優化算法基本原理
1.4 蟻群算法理論研究現狀
1.5 蟻群算法應用研究現狀
1.6 粒子群優化算法研究現狀
1.7 粒子群算法應用研究現狀
第2章 求解整數規劃的蟻群算法
2.1 求解一般非線性整數規劃的蟻群算法
2.1.1 引言
2.1.2 求解非線性整數規劃的蟻群算法
2.1.3 算例分析
2.2 武器—目標分配問題的蟻群算法
2.2.1 引言
2.2.2 WTA問題
2.2.3 武器—目標分配問題的蟻群算法
2.2.4 仿真結果
2.3 多處理機調度問題的蟻群算法
2.3.1 引言
2.3.2 多處理機調度問題數學模型
2.3.3 解多處理機調度問題模擬退火算法
2.3.4 解多處理機調度問題蟻群算法
2.3.5 算法比較
2.4 可靠性優化的蟻群算法
2.4.1 引言
2.4.2 最優冗余優化模型及解法
2.4.3 可靠性優化的模擬退火算法
2.4.4 可靠性優化的遺傳算法
2.4.5 可靠性優化的蟻群算法
2.4.6 算例分析
2.5 求解旅行商問題的多樣信息素的蟻群算法
2.5.1 信息素更新的3個模型
2.5.2 多樣信息素更新規則
2.5.3 算法測試
2.6 本章小結
第3章 連續優化問題的蟻群算法研究
3.1 無約束非線性最優化問題
3.2 連續優化問題的信息量分布函數方法
3.3 一種簡單的連續優化問題的蟻群算法
3.4 數值分析
3.5 本章小結
第4章 聚類問題的蟻群算法
4.1 引言
4.2 聚類問題的數學模型
4.3 K均值算法
4.4 解聚類問題的模擬退火算法
4.5 基于巡食思想的蟻群聚類算法
4.6 解聚類問題的新的蟻群算法及數值分析
4.6.1 解聚類問題的蟻群算法
4.6.2 數值分析
4.7 解聚類問題的與K-均值算法混合的蟻群算法及數值分析
4.7.1 解聚類問題的K-均值算法混合的蟻群算法
4.7.2 數值分析
4.8 本章小結
第5章 蟻群算法與模擬退火算法混合
5.1 引言
5.2 解圓排列問題的蟻群模擬退火算法
5.2.1 圓排列問題及與旅行商問題等價
5.2.2 解旅行商問題的模擬退火算法
5.2.3 幾種算法的比較
5.2.4 算例分析
5.3 解旅行商問題的模擬退火蟻群算法
5.3.1 混合的基本思想
5.3.2 找鄰域解策略
5.3.3 模擬退火蟻群算法
5.3.4 算法測試
5.4 本章小結
第6章 蟻群算法與遺傳算法混合
第7章 蟻群算法與混沌理論混合
第8章 最短路的蟻群算法收斂性分析
第9章 解連續性優化問題的粒子群優化算法
第10章 解組合優化問題的粒子群優化算法
第11章 解聚類問題的粒子群算法
第12章 蟻群算法與粒子群優化算法的混合
第13章 粒子群優化算法收斂性分析
第14章 魚群算法
第15章 總結
附錄A 求解旅行商問題的蟻群基本算法源程序
附錄B 計算連續性函數的優化的粒子群程序
附錄C 求解旅行商問題的粒子群—蟻群算法的源程序
參考文獻