为你推荐
内容提要
前言
第1章 绪论
1.1 群集智能的提出
1.2 群集智能的研究历史与现状
1.3 凤仙花优化算法的研究内容
1.4 主要创新点
1.5 未来研究方向
第2章 凤仙花种子传播模式
2.1 智能的基本概念
2.2 群集智能
2.3 生物自适应体
2.4 凤仙花的植物学特性
2.5 凤仙花种子传播模式
2.5.1 个体行为分析
2.5.2 群集行为分析
2.5.3 群集行为过程
2.6 本章小结
第3章 凤仙花优化算法
3.1 引言
3.2 凤仙花优化算法的组成
3.2.1 初始化种群
3.2.2 机械传播
3.2.3 二次传播
3.2.4 竞争淘汰
3.3 凤仙花优化算法的实现
3.3.1 初始化种群算子
3.3.2 机械传播算子
3.3.3 二次传播算子
3.3.4 精英-随机选择算子
3.3.5 越界映射算子
3.3.6 算法流程
3.4 凤仙花优化算法的讨论
3.5 凤仙花优化算法的实验
3.5.1 算法收敛性实验
3.5.2 参数调优实验
3.5.3 对比实验
3.6 本章小结
第4章 算法的基础理论分析
4.1 引言
4.2 凤仙花优化算法的随机模型
4.3 凤仙花优化算法的全局收敛性
4.4 凤仙花优化算法的时间复杂度
4.4.1 基本理论
4.4.2 时间复杂度分析
4.5 本章小结
第5章 凤仙花优化算法的改进
5.1 引言
5.2 凤仙花授粉的生物学特征
5.3 增强型凤仙花优化算法
5.3.1 花卉授粉策略
5.3.2 种群动态调整策略
5.3.3 EGBO算法的具体实现流程
5.4 增强型凤仙花优化算法的实验
5.4.1 实验设置
5.4.2 实验结果
5.4.3 实验结果分析
5.5 工程应用：3D增材印刷油墨转移率预测
5.5.1 问题描述
5.5.2 混合数学模型
5.5.3 仿真实验
5.5.4 对比实验
5.5.5 小结
5.6 本章小结
第6章 多目标凤仙花优化
6.1 研究背景
6.1.1 多目标优化问题
6.1.2 研究综述
6.2 凤仙花优化算法的改进
6.2.1 弹射距离算子的改进
6.2.2 二次传播算子的改进
6.3 协同多目标凤仙花优化算法
6.3.1 协同进化机制
6.3.2 非支配解判定
6.3.3 非支配解变异
6.3.4 非支配解的筛选
6.3.5 算法的伪代码
6.3.6 CMGBO算法的创新性
6.4 协同多目标凤仙花优化算法的实验
6.4.1 基准问题
6.4.2 评价指标
6.4.3 实验设置
6.4.4 实验结果
6.5 工程应用：碳纤维编织锭子结构优化
6.5.1 问题描述
6.5.2 设定优化参数及优化目标
6.5.3 仿真实验
6.5.4 小结
6.6 本章小结
附录1 CEC2006测试集函数
附录2 CEC2017测试集函数
附录3
参考文献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
