內容大鋼
本書所述的自學習型粒子群優化演算法是在粒子群優化演算法思想的啟發下，引入演算法自學習的模型，通過將演算法在搜索過程中所生成的各類信息進行歸納分析獲得高層信息，並在此基礎上設計新機制來提升種群搜索效率的一種新型演算法。本書總結了個體適應度關係學習、個體訪問位置信息學習、子群搜索模式增強學習等三大類自學習模型，構建了實現自學習型粒子群優化演算法的五種典型方法，以此來實現演算法對複雜優化問題的高效求解。
本書旨在幫助讀者了解自學習型粒子群優化演算法的核心思想和演算法框架，強化讀者對自學習型粒子群優化演算法的應用能力，主要面向從事群體智能研究的科研人員和工程技術人員，也可以作為電腦、電信、自動化、應用數學、管理、金融等相關學科的各類院校教師和學生的參考書。
目錄
第一章 緒論
第一節 最優化問題概述
一、最優化問題的求解模型
二、多目標優化相關概念
第二節 單目標粒子群演算法研究現狀
一、基本粒子群演算法及標準粒子群演算法
二、單目標粒子群演算法改進研究現狀
三、單目標粒子群演算法理論及應用研究現狀
第三節 多目標粒子群演算法研究現狀
一、多目標優化演算法概述
二、幾種多目標粒子群演算法
三、多目標粒子群演算法改進研究現狀
四、多目標粒子群演算法理論及應用研究現狀
第四節 本書結構安排
第二章 精英提升粒子群演算法
第一節 精英提升策略
一、精英提升策略的核心思想
二、精英提升運算元
三、精英提升運算元搜索特點分析
第二節 精英提升運算元對比實驗
一、量子行為粒子群演算法簡介
二、測試函數及設置
三、結果與討論
第三節 精英提升粒子群演算法與其他先進演算法的對比實驗
一、EPQPSO（TRANS）與其他演算法的對比
二、EPQPSO（DE）與其他演算法的對比
第三章 自適應精英提升及擴展精英提升粒子群演算法
第一節 自適應精英提升粒子群演算法
一、演算法核心思想
二、演算法流程
三、實驗及結果
第二節 擴展精英提升粒子群演算法
一、核心思想
二、演算法流程
三、實驗及結果
第四章 用於電力經濟負荷分配的雙重精英提升量子粒子群演算法
第一節 電力系統負荷分配問題的數學模型
一、目標函數
二、等式約束
三、不等式約束
第二節 雙重精英提升量子粒子群演算法
一、粒子的表示方法
二、雙重精英提升策略
三、演算法描述
第三節 雙重精英提升QPSO演算法的算例分析
一、算例Ⅰ
二、算例Ⅱ
三、算例Ⅲ
第五章 基於精英播種和轉座子的多目標粒子群演算法
第一節 演算法要點
一、演算法核心思想及演算法流程
二、精英播種策略
三、Leader的選擇
四、周期慣性權重
第二節 實驗及結果分析
一、測試函數
二、性能評價指標
三、參數設置
四、結果及分析
第六章 浮動搜索中心的粒子群及飛蛾撲火混合演算法
第一節 搜索策略
第二節 演算法流程
第三節 演算法時間複雜度分析
第四節 實驗及結果
一、MLP分類器優化問題
二、實驗數據集
三、實驗設置
四、結果及分析
第七章 面向圖像多閾值分割的非重訪量子粒子群演算法
第一節 Kapur熵
第二節 非重訪量子粒子群優化演算法
一、非重訪方案
二、自動演算法停止方案
三、精細搜索策略
第三節 實驗及結果分析
一、測試圖像
二、實驗環境及參數設置
三、性能評價指標
四、結果與分析
第八章 搜索模式自適應選擇的自學習混合粒子群演算法
第一節 自學習混合粒子群演算法研究背景
一、樽海鞘群演算法
二、相關研究分析
第二節 自學習混合粒子群演算法
一、搜索策略及演算法框架
二、搜索�
[