新書推薦：
《
古代晚期地中海世界贵族女性权力研究
》
售價：NT$
811
《
甲骨文词典
》
售價：NT$
3468
《
明清人物十五讲（央视《百家讲坛》“开坛元勋”、著名历史学家阎崇年，讲述明清两代15个人物的命运沉浮
》
售價：NT$
500
《
旗袍心理文化探微
》
售價：NT$
449
《
虚拟社会：元宇宙及后人类体验新疆域
》
售價：NT$
352
《
一病一方：家庭实用中药方剂—医食同源，药食同用
》
售價：NT$
286
《
中国古代小说在东亚的传播影响（全三卷）
》
售價：NT$
2693
《
盛夏之死 刘子倩译本
》
售價：NT$
199
|
| 內容簡介： |
|
在人们的生活中，会遇到各式各样的优化问题。如何快速高效地处理优化问题也成了当今优化领域内研究的重点。生物地理学优化(Biogeography-based optimization， BBO)算法是群智能优化算法之一，由美国学者Simon于2008年提出。经过10年的BBO相关研究虽然一定程度上改进了算法，并能够很好地处理一些优化问题，但对于随着社会的发展，面临优化问题的复杂性和多样性也在不断提升，出现了更多更为复杂的多峰、非线性不可分优化问题，这些问题对优化方法的性能和效率发起了巨大挑战。因此，BBO依然有着改进空间和研究潜力。目前国内出版的BBO相关研究专著并不多，已发表的BBO综述性论文数量也很有限，且受版面限制等因素，这些综述对BBO的介绍及原理解释都不够详尽。本书以优化问题开篇，逐渐引入群智能优化算法的概念，由群智能优化算法逐步引入BBO，对BBO背景、原理、存在的缺陷及改进动机进行了详细介绍，对BBO目前国内外研究现状进行了综述，对BBO各步骤代表性改进研究进行了简述，并详细描述了6项作者课题组对BBO的创新性改进研究。6项研究分别为”差分迁移和趋优变异的BBO算法(DGBBO)”、”差分变异和交叉迁移的BBO算法(DCBBO)”、”混合交叉的BBO算法(HCBBO)”、”高效融合的BBO算法(EMBBO)”、”GWO与BBO的混合算法(HBBOG)”和”SFLA与BBO的混合算法(HBBOS)”。在本书第4至9章内容中，描述了这些算法的原理，并通过大量基准函数实验对比了当前最先进的算法，验证对BBO的改进效果。在本书第4至9章内容中，解释了这些算法的原理，并通过大量实验对比了当前最先进的算法，验证对BBO的改进效果。6种新算法均作为BBO改进算法，在逻辑关系上是并列且相互独立的。最后在10-12章描改进的BBO在图像分割上的应用。
|
| 關於作者： |
|
湖北省孝感市重点中学从事教书育人工作，担任物理、英语和信息技术等学科教师，历任英语和物理学科教研组长、主管教学副校长、校长兼党总支副书记等职务；2002.9-2005.7 湖北大学 数学与计算机科学学院攻读硕士学位，以优异成绩毕业，获系统分析与集成专业的硕士学位；2005.7―现在 河南师范大学 计算机与信息工程学院从事科研与教学工作，担任本科生课程《数据库原理》、《数字图像处理》、《专业英语》等以及研究生课程《高级数据库系统》等的专业教师。
|
| 目錄：
|
第 1 章 绪论 .................................................................................................. 1
1.1 优化问题概述 ........................................................................................................ 1
1.1.1 优化问题的分类 ......................................................................................... 1
1.1.2 优化方法概述 ............................................................................................. 2
1.2 群智能优化算法 .................................................................................................... 4
1.2.1 群智能优化算法概述 ................................................................................. 4
1.2.2 国内外研究现状 ......................................................................................... 7
1.3 代表性的群智能优化算法 .................................................................................... 8
1.3.1 PSO算法 ...................................................................................................... 9
1.3.2 DE算法 ...................................................................................................... 10
1.3.3 ABC算法 ................................................................................................... 12
1.3.4 CS算法 ...................................................................................................... 14
1.3.5 WOA算法 .................................................................................................. 15
1.3.6 COA算法 ................................................................................................... 17
1.4 实验环境配置 ...................................................................................................... 19
1.5 算法评价标准 ...................................................................................................... 19
1.6 所用参数标识 ...................................................................................................... 21
参考文献 ....................................................................................................................... 23
第 2 章 GWO 算法概述 ............................................................................... 26
2.1 GWO算法的原理 ................................................................................................. 26
2.2 GWO算法的数学模型......................................................................................... 27
2.3 GWO算法的优势与局限性 ................................................................................ 29
2.4 本章小结 .............................................................................................................. 30
参考文献 ....................................................................................................................... 31
第 3 章 反向学习和差分变异的 GWO 算法 ................................................. 32
3.1 引言 ...................................................................................................................... 32
3.2 最优最差反向学习策略 ...................................................................................... 32
3.3 动态随机差分变异策略 ...................................................................................... 34
3.4 单维和全维分段操作 .......................................................................................... 35
3.5 ODGWO算法的流程 ........................................................................................... 36
3.6 仿真实验及结果分析 .......................................................................................... 36
3.6.1 测试函数 ................................................................................................... 37
3.6.2 对比算法和参数设置 ............................................................................... 37
3.6.3 ODGWO算法与其他算法在30维和50维函数上的对比结果 ............... 38
3.6.4 ODGWO算法与其他算法在1 000维基准函数上的对比结果 .............. 42
3.6.5 ODGWO算法与其他算法的平均运行时间对比及其计算复杂度分析
................................................................................................................... 44
3.6.6 ODGWO算法与其他算法的Wilcoxon符号秩检验对比结果 ................ 45
3.6.7 ODGWO算法与其他对比算法的Friedman检验对比结果 .................... 46
3.7 本章小结 .............................................................................................................. 47
参考文献 ....................................................................................................................... 47
第 4 章 随机反向学习和 MEPD 的强化等级制度的 GWO 算法 ................... 49
4.1 引言 ...................................................................................................................... 49
4.2 强化狼群等级制度 .............................................................................................. 50
4.3 改进的EPD算子 ................................................................................................... 52
4.4 随机反向学习策略 .............................................................................................. 53
4.5 仿真实验及结果分析 .......................................................................................... 56
4.5.1 测试函数与参数设置 ............................................................................... 56
4.5.2 RSMGWO算法与不完全算法的对比结果 ............................................. 56
4.5.3 RSMGWO算法与GWO改进算法的对比结果 ....................................... 58
4.5.4 RSMGWO算法与其他最先进的群智能优化算法的对比结果 ............. 63
4.5.5 RSMGWO算法与GWO改进算法在大规模函数上的对比结果 ............... 65
4.5.6 RSMGWO算法与其他算法的收敛性分析对比结果 ............................. 68
4.5.7 RSMGWO算法与其他算法的Wilcoxon符号秩检验对比结果 ................. 69
4.5.8 RSMGWO算法与其他算法的Friedman检验对比结果 ......................... 70
4.6 本章小结 .............................................................................................................. 71
参考文献 ....................................................................................................................... 72
第 5 章 趋优反向学习和随机反向空置算子的 GWO 算法 ........................... 74
5.1 引言 ...................................................................................................................... 74
5.2 新型反向学习策略 .............................................................................................. 74
5.2.1 一般反向学习策略 ................................................................................... 75
5.2.2 随机反向学习策略 ................................................................................... 75
5.3 趋优策略 .............................................................................................................. 75
5.4 自适应随机差分扰动策略 .................................................................................. 76
5.5 单维和全维交叉策略 .......................................................................................... 77
5.6 随机反向空置算子 .............................................................................................. 77
5.7 GOEGWO算法的流程 ........................................................................................ 78
5.8 仿真实验及结果分析 .......................................................................................... 79
5.8.1 测试函数 ................................................................................................... 79
5.8.2 对比算法和参数设置 ............................................................................... 80
5.8.3 GOEGWO算法与不完全算法的对比
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
