书籍详情
蝙蝠优化算法
作者：蔡星娟 著
出版社：电子工业出版社
出版时间：2020-03-01
ISBN：9787121378393
定价：¥79.00
购买这本书可以去
内容简介
蝙蝠优化算法是一种新颖的模拟蝙蝠行为的群智能优化算法，因该算法有模型简单、参数少、通用性强等优点，故被广泛应用于解决实际问题。本书分为8章，第1～2章介绍蝙蝠优化算法的基本框架、研究进展，并讨论了蝙蝠算法的全局收敛性问题；第3～6章从蝙蝠算法的全局搜索方式、局部搜索方式、全局/局部搜索的平衡策略、全局/局部搜索的集成策略等方面介绍作者的工作；第7～8章围绕软件缺陷预测问题，分别构造多目标软件缺陷预测模型和高维多目标软件缺陷预测模型，并有针对性地设计相应的多目标蝙蝠优化算法和高维多目标蝙蝠优化算法来对模型进行求解，从而为解决相关问题提供参考。本书适合从事智能计算研究与应用的科技工作者和工程技术人员阅读使用，也可以作为高等院校计算机科学与技术、控制科学与工程等学科高年级本科生及研究生的教学参考书。
作者简介
蔡星娟，太原科技大学副教授，主要研究方向为控制理论与控制工程，发表论文多篇，承担蝙蝠算法性能分析及其在压缩感知的应用等项目。
目录
第一部分 导引篇
第1章 绪论 3
1．1 优化算法概述 4
1．2 确定性优化算法 4
1．3 随机优化算法 5
1．4 基本蝙蝠算法简介 7
1．5 蝙蝠算法研究综述 9
1．6 本书的框架 17
参考文献 18
第2章 蝙蝠算法的收敛性分析 31
2．1 全局收敛性的相关概念 32
2．2 蝙蝠算法收敛性分析现状 33
2．3 基本蝙蝠算法分析 35
2．4 3种边界条件 39
2．5 基本蝙蝠算法的收敛性分析 40
2．6 标准蝙蝠算法的收敛性分析 46
2．7 收敛速度分析 49
2．8 小结 50
参考文献 50
第二部分 原理篇
第3章 三角翻转蝙蝠算法 53
3．1 记忆方式的速度更新公式分析 54
3．2 三角翻转法介绍 56
3．2．1 基于对称方式的三角翻转法 56
3．2．2 基于比例方式的三角翻转法 57
3．3 记忆型三角翻转蝙蝠算法 59
3．3．1 记忆型三角翻转蝙蝠算法概述 59
3．3．2 收敛性证明 60
3．3．3 仿真试验 61
3．4 无记忆型三角翻转蝙蝠算法 64
3．4．1 无记忆型三角翻转蝙蝠算法概述 64
3．4．2 仿真试验 67
3．5 快速三角翻转蝙蝠算法 69
3．5．1 快速三角翻转蝙蝠算法概述 69
3．5．2 仿真试验 70
3．6 小结 78
参考文献 79
第4章 蝙蝠算法的扰动策略设计 81
4．1 标准蝙蝠算法的局部收敛性能分析 82
4．2 线性递减策略 86
4．2．1 算法思想 86
4．2．2 参数选择 87
4．3 曲线递减策略 89
4．3．1 算法思想 89
4．3．2 参数选择 90
4．4 基于曲线递减策略的快速三角翻转蝙蝠算法 94
4．5 LEACH协议的优化应用 97
4．6 小结 101
参考文献 102
第5章 全局搜索与局部搜索的转化策略 105
5．1 已有的转化策略 106
5．2 随机转化策略 107
5．3 基于适应值信息的转化策略 110
5．3．1 基于秩的转化策略 110
5．3．2 基于数值的转化策略 114
5．4 基于启发式信息的统一搜索蝙蝠算法 115
5．5 DV-Hop算法的优化 121
5．6 小结 125
参考文献 126
第6章 集成策略算法 129
6．1 UHBA算法分析 130
6．2 6种集成策略 131
6．3 固定概率选择的集成算法 134
6．4 动态概率选择的集成算法 138
6．4．1 动态概率选择策略 138
6．4．2 仿真试验 141
6．5 小结 148
参考文献 149
第三部分 应用篇
第7章 多目标蝙蝠算法软件缺陷预测 153
7．1 多目标软件缺陷预测 154
7．1．1 研究背景 154
7．1．2 问题介绍 156
7．1．3 欠采样软件缺陷预测模型 159
7．2 多目标蝙蝠算法 161
7．2．1 多目标优化问题 161
7．2．2 多目标蝙蝠算法分析 162
7．2．3 不平衡数据集的欠采样软件缺陷预测具体实现方式 163
7．3 仿真试验 164
7．4 小结 168
参考文献 169
第8章 高维多目标蝙蝠算法软件缺陷预测 173
8．1 高维多目标软件缺陷预测问题 174
8．2 高维多目标优化算法研究现状 175
8．3 高维多目标蝙蝠算法 176
8．3．1 基于维度更新的高维多目标蝙蝠算法全局更新策略 176
8．3．2 基于维度更新的高维多目标蝙蝠算法局部更新策略 177
8．3．3 适应值估计方法 177
8．3．4 目标函数 179
8．3．5 算法框架 181
8．4 仿真试验 181
8．4．1 参数设置及度量指标 181
8．4．2 试验结果分析 182
8．5 小结 184
参考文献 184
附录A 快速三角翻转蝙蝠算法源代码 189
附录B 基于曲线递减策略的快速三角翻转蝙蝠算法源代码 197
附录C 基于秩转化的曲线递减快速三角翻转蝙蝠算法源代码 203
附录D 基于数值转化的曲线递减快速三角翻转蝙蝠算法源代码 209
第1章 绪论 3
1．1 优化算法概述 4
1．2 确定性优化算法 4
1．3 随机优化算法 5
1．4 基本蝙蝠算法简介 7
1．5 蝙蝠算法研究综述 9
1．6 本书的框架 17
参考文献 18
第2章 蝙蝠算法的收敛性分析 31
2．1 全局收敛性的相关概念 32
2．2 蝙蝠算法收敛性分析现状 33
2．3 基本蝙蝠算法分析 35
2．4 3种边界条件 39
2．5 基本蝙蝠算法的收敛性分析 40
2．6 标准蝙蝠算法的收敛性分析 46
2．7 收敛速度分析 49
2．8 小结 50
参考文献 50
第二部分 原理篇
第3章 三角翻转蝙蝠算法 53
3．1 记忆方式的速度更新公式分析 54
3．2 三角翻转法介绍 56
3．2．1 基于对称方式的三角翻转法 56
3．2．2 基于比例方式的三角翻转法 57
3．3 记忆型三角翻转蝙蝠算法 59
3．3．1 记忆型三角翻转蝙蝠算法概述 59
3．3．2 收敛性证明 60
3．3．3 仿真试验 61
3．4 无记忆型三角翻转蝙蝠算法 64
3．4．1 无记忆型三角翻转蝙蝠算法概述 64
3．4．2 仿真试验 67
3．5 快速三角翻转蝙蝠算法 69
3．5．1 快速三角翻转蝙蝠算法概述 69
3．5．2 仿真试验 70
3．6 小结 78
参考文献 79
第4章 蝙蝠算法的扰动策略设计 81
4．1 标准蝙蝠算法的局部收敛性能分析 82
4．2 线性递减策略 86
4．2．1 算法思想 86
4．2．2 参数选择 87
4．3 曲线递减策略 89
4．3．1 算法思想 89
4．3．2 参数选择 90
4．4 基于曲线递减策略的快速三角翻转蝙蝠算法 94
4．5 LEACH协议的优化应用 97
4．6 小结 101
参考文献 102
第5章 全局搜索与局部搜索的转化策略 105
5．1 已有的转化策略 106
5．2 随机转化策略 107
5．3 基于适应值信息的转化策略 110
5．3．1 基于秩的转化策略 110
5．3．2 基于数值的转化策略 114
5．4 基于启发式信息的统一搜索蝙蝠算法 115
5．5 DV-Hop算法的优化 121
5．6 小结 125
参考文献 126
第6章 集成策略算法 129
6．1 UHBA算法分析 130
6．2 6种集成策略 131
6．3 固定概率选择的集成算法 134
6．4 动态概率选择的集成算法 138
6．4．1 动态概率选择策略 138
6．4．2 仿真试验 141
6．5 小结 148
参考文献 149
第三部分 应用篇
第7章 多目标蝙蝠算法软件缺陷预测 153
7．1 多目标软件缺陷预测 154
7．1．1 研究背景 154
7．1．2 问题介绍 156
7．1．3 欠采样软件缺陷预测模型 159
7．2 多目标蝙蝠算法 161
7．2．1 多目标优化问题 161
7．2．2 多目标蝙蝠算法分析 162
7．2．3 不平衡数据集的欠采样软件缺陷预测具体实现方式 163
7．3 仿真试验 164
7．4 小结 168
参考文献 169
第8章 高维多目标蝙蝠算法软件缺陷预测 173
8．1 高维多目标软件缺陷预测问题 174
8．2 高维多目标优化算法研究现状 175
8．3 高维多目标蝙蝠算法 176
8．3．1 基于维度更新的高维多目标蝙蝠算法全局更新策略 176
8．3．2 基于维度更新的高维多目标蝙蝠算法局部更新策略 177
8．3．3 适应值估计方法 177
8．3．4 目标函数 179
8．3．5 算法框架 181
8．4 仿真试验 181
8．4．1 参数设置及度量指标 181
8．4．2 试验结果分析 182
8．5 小结 184
参考文献 184
附录A 快速三角翻转蝙蝠算法源代码 189
附录B 基于曲线递减策略的快速三角翻转蝙蝠算法源代码 197
附录C 基于秩转化的曲线递减快速三角翻转蝙蝠算法源代码 203
附录D 基于数值转化的曲线递减快速三角翻转蝙蝠算法源代码 209
猜您喜欢
