智能计算协同优化算法及应用

　　本书主要研究将文化进化的思想融入现代计算智能的理论与实践中，探讨如何发掘文化进化和自然进化机制在现代计算智能的理论与实践中的和谐统一，协同进化以形成新的计算方法，并将这些协同进化计算方法应用于函数优化和组合优化等具体问题中，主要包括基于进化规划的文化算法设计，文化粒子群优化算法，文化蚁群优化算法，文化免疫量子进化算法，以及算法的应用。

　　刘升，男，博士，上海工程技术大学教授，硕士生导师，研究方向包括计算机应用、人工智能和智能计算等， 1996年于华中科技大学计算机应用专业获工学硕士学位，2008年于华东理工大学模式识别与智能系统专业获工学博士学位，已主持完成一项国家自然科学基金面上项目、一项上海市教委科研创新重点课题；并以第二负责人完成一项上海市自然科学基金项目。目前正主持一项上海自然科学基金面上项目，以第二负责人在研一项国家自然科学基金面上项目和一项国家社科基金一般项目，在国际和国内专业核心期刊上正式发表论文五十余篇，获批国家发明专利2项，计算机软件著作权10余项。

第1章 绪论 / 1
1．1 智能计算方法概述 / 1
1．2 文化进化和自然进化的协同 / 14
第2章 理论背景知识 / 19
2．1 优化研究基础 / 19
2．1．1 函数优化 / 20
2．1．2 组合优化 / 22
2．2 进化算法 / 24
2．2．1 遗传算法 / 25
2．2．2 进化策略 / 27
2．2．3 进化规划 / 28
2．2．4 遗传算法、进化规划和进化策略之间的异同点 / 28
2．3 群体智能 / 30
2．3．1 粒子群优化算法 / 30
2．3．2 蚁群优化算法 / 34
2．4 量子进化算法 / 38
2．4．1 量子计算概念的产生和发展 / 39
2．4．2 量子计算的物理原理 / 40
2．4．3 量子计算与经典计算相比的重要特点 / 43
2．4．4 量子进化算法的数学描述 / 46
2．5 文化算法 / 51
第3章 基于进化规划的文化算法设计 / 55
3．1 引言 / 55
3．2 算法的分析和设计 / 57
3．2．1 群体空间上的进化 / 58
3．2．2 信仰空间上的进化 / 59
3．2．3 接受函数 / 64
3．2．4 影响函数 / 64
3．3 仿真实验与结果分析 / 65
3．4 算法的改进 / 67
3．5 本章总结 / 69
第4章 文化粒子群优化算法 / 71
4．1 引言 / 72
4．2 差分进化算法 / 73
4．3 文化差分粒子群优化算法 / 78
4．3．1 群体空间的进化：差分粒子群优化算法 / 79
4．3．2 信仰空间的设计和作用 / 82
4．3．3 接受函数 / 86
4．3．4 影响函数 / 86
4．3．5 数值实验 / 87
4．3．6 结果分析 / 91
4．4 群体空间进化算法的改进 / 92
4．4．1 自适应变异的差分粒子群优化算法 / 92
4．4．2 自适应柯西变异粒子群优化算法 / 98
4．5 本章总结 / 104
第5章 文化蚁群优化算法 / 105
5．1 引言 / 106
5．2 TSP问题描述 / 108
5．3 群体空间上的进化：蚁群系统 / 109
5．4 信仰空间的设计和作用 / 111
5．4．1 信仰空间上的进化 / 111
5．4．2 接受函数 / 112
5．4．3 影响函数 / 112
5．5 实验研究 / 114
5．5．1 算法的参数研究 / 115
5．5．2 对比实验研究 / 117
5．6 本章总结 / 121
第6章 文化免疫量子进化算法 / 122
6．1 引言 / 123
6．2 背包问题描述 / 126
6．3 文化免疫量子进化算法 / 127
6．3．1 免疫的基本概念 / 128
6．3．2 文化和量子协同进化计算模型 / 130
6．3．3 群体空间上的进化：改进的免疫量子进化算法 / 134
6．3．4 信仰空间的设计和作用 / 137
6．4 实验研究 / 139
6．5 算法的收敛性分析 / 144
6．6 本章总结 / 147
第7章 总结与展望 / 148
7．1 工作的主要创新性成果 / 149
7．2 工作展望 / 153
附录 部分测试函数 / 156
参考文献 / 163