粒子群优化算法及电磁应用

　　《粒子群优化算法及电磁应用》在论述粒子群优化算法基本原理的基础上，介绍有关改进设计，同时给出各种改进设计在电磁场工程问题中的应用。从内容上看，全书分为两个部分：第一部分为第2-12章，主要论述粒子群优化算法，包括标准粒子群优化算法、粒子群优化算法的物理基础、粒子群优化算法的边界条件、量子粒子群优化算法、云粒子群优化算法、简化粒子群优化算法、蛙跳粒子群优化算法、小波粒子群优化算法、二进制粒子群优化算法及基于粒子群优化算法的神经网络和神经网络集成等：第二部分为13-18章，主要论述粒子群优化算法在电磁工程中的应用，包括电磁问题中的复超越方程求解、滤波器设计、微带天线设计、谐振频率建模、吸波材料设计和天线阵综合等。《粒子群优化算法及电磁应用》可供智能优化算法、计算电磁学、电磁场工程等领域从事研究和开发工作的科技人员及高校教师参考阅读，也可作为高等院校相关专业高年级本科生和研究生的教学参考用书。

暂缺《粒子群优化算法及电磁应用》作者简介

第1章 绪论
1.1 优化方法
1.1.1 优化的基本概念
1.1.2 优化问题的分类
1.1.3 优化算法的复杂度
1.2 智能优化方法
1.2.1 智能优化方法的基本概念
1.2.2 智能优化方法的特点
1.2.3 智能优化方法的哲学定理
1.3 粒子群优化算法
1.4 粒子群优化算法的电磁应用
参考文献
第一部分 粒子群优化算法
第2章 标准粒子群优化算法
2.1 引言
2.2 算法概述
2.2.1 算法原理
2.2.2 算法数学描述
2.2.3 算法流程
2.2.4 算法参数
2.3 算法模型
2.3.1 算法模型分析
2.3.2 算法拓扑结构
12.3.3 算法邻域结构
2.4 算法优点和局限性
2.4.1 算法的优点
2.4.2 算法的局限性
2.5 粒子更新方法研究
2.6 算法应用及展望
2.6.1 算法的应用
2.6.2 算法的研究方向
参考文献
第3章 粒子群优化算法的物理基础
3.1 引言
3.2 分子动力学理论
3.2.1 保守PSO环境
3.2.2 耗散PSO环境
3.3 PSO环境的热动力学分析
3.3.1 热力学平衡
3.3.2 能量因素
3.3.3 动力学特性
3.4 PSO算法的扩散模型
3.5 PSO算法的马尔可夫模型
3.5.1 基于概率理论的更新方程
3.5.2 马尔可夫链模型
3.5.3 广义PSO算法
参考文献
第4章 粒子群优化算法的边界条件
4.1 引言
4.2 边界条件分类
4.3 数值仿真实验
4.3.1 测试函数
4.3.2 仿真结果及分析
参考文献
第5章 量子粒子群优化算法
5.1 引言
5.2 算法概述
5.2.1 算法原理
……
第二部分 粒子群优化算法的电磁应用