粒子群优化算法

　　本书研究了群体智能典型实现的算法之一——粒子群优化算法。其针对传统粒子群优化算法存在的缺点，给出其改进方法或提出新模型，使之更为有效可靠；另外，介绍了所提出的新模型、新算法在实际工程领域中的应用，拓展了粒子群算法的应用领域。本书在介绍了粒子群优化算法基本原理、基本粒子群算法的基础上，阐述了粒子群算法的实现技术，基于参数改进的粒子群算法、混合粒子群算法、生物启发式粒子群算法，重点研究了粒子群算法在各类现实工程问题中的应用情况。本书适合运筹与管理、人工智能、计算数学、计算机科学、系统科学、自动化等专业的师生参阅，亦可供从事计算智能研究与应用的工作者参考。

　　李丽，吉林长春人，博士、教授，硕士生导师，深圳大学管理学院副院长。2001年广东省“千百十”人才，2004年度深圳市优秀教师。出版著作9部，主持国家、省、市级项目10余项及10多项横向课题。其中国家社科基金项目“宏观税收负担数量分析模型”荣获吉林省教委科技进步一等奖；吉林省科委项目“数据包络分析在经济管理中的应用”荣获吉林省教委科技进步一等奖。目前研究方向为运筹与优化、智能决策与管理、智能计算，发表相关论文40余篇。

1　1绪论
1.1　相关背景
1.2　生物启发式计算
1.2.1　遗传算法
1.2.2 神经计算
1.2.3　模糊系统
1.2.4　其他生物启发式计算方法
1.3　群体智能
1.3.1　群体智能简介
1.3.2　群体智能的基本特性
1.4　群体智能算法及其研究现状
1.4.1 蚂蚁算法
1.4.2　粒子群优化算法
1.4.3 群体智能算法应用研究现状
1.5　展望
参考文献
2　粒子群算法
2.1 引言
2.2　粒子群算法概述
2.2.1 粒子群算法的起源
2.2.2　原始粒子群算法
2.2.3　标准粒子群算法
2.3　标准测试函数
2.4　粒子群算法的实现
参考文献
3　粒子群算法参数分析
3.1 引言
3.2　惯性权重分析
3.2.1 线性惯性权重策略
3.2.2　非线性惯性权重策略
3.2.3　其他策略
3.3　学习因子分析
3.4　其他参数分析
参考文献
4　改进粒子群算法
　4.1　粒子群算法改进研究综述
4.1.1 参数改进
4.1.2　拓扑结构的改进
4.1.3　混合策略
4.1.4　基于生物行为的改进
4.2　基于差分进化的一种新型混合粒子群算法
4.2.1　差分进化算法
4.2.2　基于差分进化的混合粒子群算法
4.2.3　试验设置与测试函数
4.2.4　试验结果-
4.3　基于模拟退火思想的粒子群算法
4.3.1 概述
4.3.2　模拟退火算法
4.3.3　基于模拟退化思想的粒子群混合算法
4.3.4　实验设置与测试函数
4.3.5 实验结果
4.4　基于细菌趋化的改进粒子群算法
4.4.1　PSOBC算法
　……
5　粒子群算法的应用