几种改进的智能优化算法及其应用

优化理论研究一直是一个非常活跃的研究领域。它所研究的问题是在众多方案中寻求方案。人们关于优化问题的研究工作，随着历史的发展不断深入，对人类的发展起到了重要的推动作用。但是，任何科学的进步都受到历史条件的限制，直到20世纪中叶，由于高速数字计算机应用日益广泛，使得优化技术不仅成为迫切需要，而且有了求解的有力工具。因此，优化理论和算法迅速发展起来，成为一门新的学科，至今已出现线性规划、整数规划、非线性规划、几何规划、动态规划、随机规划、网络流等许多分支。这些优化技术在诸多工程领域得到了迅速推广和应用，如系统控制、人工智能、生产调度等。随着人类生存空间的扩大，以及认识世界和改造世界范围的拓宽，常规优化方法，如牛顿法、共轭梯度法、模式搜索法和单纯形法等，已经无法处理人们所面对的复杂问题。因此，高效的智能优化算法成为科学工作者的研究目标之一。

武装，博士，首都经济贸易大学信息学院副教授，中国计算机学会会员，于2014年12月一2015年12月赴美国北卡罗来纳州立大学做访问研究。目前主要研究方向为大数据、网络舆情、可视化和智能信息处理等。主持和参加的科研项目共计12项，包括国家自然基金项目、北京市哲学社科项目、北京市*社科项目和北京市自然基金项目等。

部分 粒子群优化算法
章 粒子群优化算法简介
1.1 研究的背景和课题的意义
1.2 粒子群优化算法的起源及研究现状
第二章 标准粒子群优化算法
2.1 粒子群优化算法
2.2 标准粒子群优化算法简介
2.3 粒子群优化算法基本流程
2.4 标准粒子群优化算法
2.5 粒子群优化算法组成要素
第三章 粒子群优化算法权重改进的策略研究
3.1 参数分析与选择
3.2 参数的选择
3.3 几种测试函数的简介
3.4 3种权重改进策略
3.5 测试3种权重改进策略
第四章 动态粒子群优化算法
4.1 动态粒子群优化算法的流程
4.2 测试实验
4.3 实际路径与算法路径对比
4.4 种群大小对收敛结果的影响测试
第五章 多目标粒子群优化算法
5.1 标准粒子群优化算法
5.2 改进的粒子群优化算法
5.3 多目标优化问题
5.4 多目标粒子群优化算法（MOPSO）
5.5 经典的NSGA-Ⅱ算法
5.6 仿真实验分析
5.7 MOPSO在投资组合问题上的应用
第二部分 万有引力搜索算法
第六章 基本万有引力搜索算法简介
6.1 研究背景和课题意义
6.2 万有引力搜索算法的起源及国内外的研究现状
6.3 万有引力搜索算法原理
6.4 万有引力搜索算法步骤
6.5 万有引力搜索算法的参数分析
6.6 基本万有引力搜索算法
6.7 万有引力搜索算法的模型
6.8 对标准万有引力搜索算法的改进
6.9 仿真实验与测试
6.10 改进的万有引力搜索算法验证及结果分析
6.11 万有引力搜索算法在多目标函数优化中的应用
第七章 基于模拟退火思想的万有引力搜索算法
7.1 基于Metropolis准则的位置更新策略
7.2 基于模拟退火的万有引力搜索算法
7.3 测试函数介绍
7.4 测试函数的参数及空间模型
7.5 仿真实验与结果分析
第八章 混沌万有引力搜索算法
8.1 混沌算法
8.2 混沌万有引力搜索算法原理
8.3 仿真实验与分析
8.4 混沌万有引力搜索算法的验证与结果分析
8.5 4种算法在测试函数中的实验数值
第三部分 蚁群算法
第九章 蚁群算法
9.1 研究背景与国内外现状
9.2 蚁群算法基本原理及分析
9.3 蚁群算法的数学模型及实现
9.4 蚁群算法参数研究
9.5 蚁群聚类算法及其改进
9.6 蚁群算法在多峰值函数优化问题中的应用
9.7 蚁群算法在TSP问题中的应用
第四部分 免疫优化算法
第十章 免疫优化算法
10.1 国内外研究现状
10.2 免疫算法的基本原理
10.3 测试函数及空间模型
10.4 基于免疫算法的函数优化
10.5 免疫算法在TSP问题中的应用
第五部分 遗传算法
第十一章 改进的遗传算法
11.1 研究背景和国内外研究现状
11.2 遗传算法概述
11.3 遗传算法理论基础
11.4 仿真实验分析
11.5 遗传算法的改进
11.6 遗传算法化问题实例
参考文献
致谢