智能优化算法及其MATLAB实现

智能优化算法作为人工智能的最为活跃的研究方向之一，已经在学术界、工业界得到了广泛的应用和实践。本书按照智能优化算法的基本原理，代码实现，应用案例、性能测试等逻辑脉络由浅至深地讲解，使读者能够迅速地入门并掌握智能优化算法及其MATLAB代码实现的相关技巧，为在后续的学术研究和工程实践中加以应用。全书共分为12章，第1章~第10章分别介绍10种智能优化算法的基本原理、MATLAB代码实现、应用案例实现及分析；第11章、第12章介绍智能优化算法的性能测试。
本书结构清晰、内容丰富、取材新颖，可作为广大高校本科生、研究生和教师的学习用书，也可作为广大科研人员、学者、工程技术人员的参考用书。

陈克伟，男，陆军装甲兵学院。2002.09-2006.07：西安交通大学电气学院，电气工程与自动化专业本科；2006.09-2008.12，国防科技大学机电工程与自动化学院 控制科学与工程专业，硕士；2008.12-至今，陆军装甲兵学院兵器与控制系教师。教学成果获奖情况：原总装备部教学成果三等奖。

第1章 粒子群优化算法原理及其MATLAB实现 1
1.1 粒子群优化算法的基本原理 1
1.1.1 粒子和速度初始化 1
1.1.2 个体历史很优值和全局很优值 1
1.1.3 粒子群的速度和位置更新 2
1.1.4 粒子群优化算法流程 2
1.2 粒子群优化算法的MATLAB实现 3
1.2.1 种群初始化 3
1.2.2 适应度函数 5
1.2.3 边界检查和约束函数 5
1.2.4 粒子群优化算法代码 6
1.3 粒子群优化算法的应用案例 8
1.3.1 求解函数极值 8
1.3.2 带约束问题求解：基于粒子群优化算法的压力容器设计 10
1.4 粒子群优化算法的中间结果 13
参考文献 16
第2章 蚁狮优化算法原理及其MATLAB实现 17
2.1 蚁狮优化算法的基本原理 17
2.1.1 蚂蚁的随机游走 17
2.1.2 设置陷阱 18
2.1.3 利用陷阱诱捕蚂蚁 18
2.1.4 捕获猎物并重建洞穴 19
2.1.5 蚁狮优化算法流程 19
2.2 蚁狮优化算法的MATLAB实现 20
2.2.1 种群初始化 20
2.2.2 适应度函数 22
2.2.3 边界检查和约束 22
2.2.4 轮盘赌策略 23
2.2.5 蚁狮优化算法的随机游走 24
2.2.6 蚁狮优化算法的MATLAB代码 28
2.3 蚁狮优化算法的应用案例 30
2.3.1 求解函数极值 30
2.3.2 带约束问题求解：基于蚁狮优化算法的压力容器设计 32
2.4 蚁狮优化算法的中间结果 35
参考文献 38
第3章 果蝇优化算法及其MATLAB实现 39
3.1 果蝇优化算法的基本原理 39
3.1.1 果蝇初始化 39
3.1.2 果蝇通过气味寻找食物 39
3.1.3 果蝇位置更新 40
3.1.4 果蝇优化算法流程 40
3.2 果蝇优化算法的MATLAB实现 41
3.2.1 果蝇位置初始化 41
3.2.2 适应度函数 43
3.2.3 边界检查和约束 43
3.2.4 果蝇优化算法代码 44
3.2.5 改进果蝇优化算法代码 45
3.3 果蝇优化算法的应用案例 47
3.3.1 求解函数极值 47
3.3.2 带约束问题求解：基于果蝇优化算法的压力容器设计 49
3.4 果蝇优化算法的中间结果 51
参考文献 55
第4章 萤火虫优化算法及其MATLAB实现 56
4.1 萤火虫优化算法的基本原理 56
4.1.1 萤火虫的相对亮度计算 56
4.1.2 萤火虫的吸引度计算 56
4.1.3 萤火虫的位置更新 56
4.1.4 萤火虫优化算法流程 57
4.2 萤火虫优化算法的MATLAB实现 57
4.2.1 萤火虫位置初始化 57
4.2.2 适应度函数 59
4.2.3 边界检查和约束 60
4.2.4 萤火虫优化算法代码 60
4.3 萤火虫优化算法的应用案例 63
4.3.1 求解函数极值 63
4.3.2 带约束问题求解：基于萤火虫优化算法的压力容器设计 65
4.4 萤火虫优化算法的中间结果 67
参考文献 70
第5章 灰狼优化算法及其MATLAB实现 71
5.1 灰狼优化算法的基本原理 71
5.1.1 包围猎物 71
5.1.2 狩猎 72
5.1.3 攻击猎物 72
5.1.4 搜索猎物 72
5.1.5 灰狼优化算法流程 73
5.2 灰狼优化算法的MATLAB实现 74
5.2.1 灰狼位置初始化 74
5.2.2 适应度函数 75
5.2.3 边界检查和约束 76
5.2.4 灰狼优化算法代码 77
5.3 灰狼优化算法的应用案例 79
5.3.1 求解函数极值 79
5.3.2 带约束问题求解：基于灰狼优化算法的压力容器设计 81
5.4 灰狼优化算法的中间结果 84
参考文献 88
第6章 正余弦优化算法及其MATLAB实现 89
6.1 正余弦优化算法的基本原理 89
6.1.1 正余弦机制 89
6.1.2 正余弦优化算法流程 90
6.2 正余弦优化算法的MATLAB实现 91
6.2.1 正余弦位置初始化 91
6.2.2 适应度函数 92
6.2.3 边界检查和约束 93
6.2.4 正余弦优化算法代码 94
6.3 正余弦优化算法的应用案例实验 95
6.3.1 求解函数极值 95
6.3.2 带约束问题求解：基于正余弦优化算法的压力容器设计 97
6.4 正余弦优化算法的中间结果 100
参考文献 102
第7章 多元宇宙优化算法及其MATLAB实现 104
7.1 多元宇宙优化算法的基本原理 104
7.1.1 宇宙的定义 104
7.1.2 传输机制 104
7.1.3 虫洞系数 105
7.1.4 多元宇宙优化算法流程 105
7.2 多元宇宙优化算法的MATLAB实现 106
7.2.1 种群初始化 106
7.2.2 适应度函数 108
7.2.3 边界检查和约束 108
7.2.4 轮盘赌策略 109
7.2.5 多元宇宙优化算法代码 110
7.3 多元宇宙优化算法的应用案例 112
7.3.1 求解函数极值 112
7.3.2 带约束问题求解：基于多元宇宙优化算法的压力容器设计 115
7.4 多元宇宙优化算法的中间结果 117
参考文献 121
第8章 引力搜索算法及其MATLAB实现 122
8.1 引力搜索算法的基本原理 122
8.1.1 万有引力定律 122
8.1.2 个体引力计算 123
8.1.3 加速度计算 124
8.1.4 速度和位置更新 124
8.1.5 引力搜索算法流程 124
8.2 引力搜索算法的MATLAB实现 125
8.2.1 位置初始化 125
8.2.2 适应度函数 127
8.2.3 边界检查和约束 127
8.2.4 计算质量 128
8.2.5 计算引力常数 129
8.2.6 计算加速度 129
8.2.7 位置更新 130
8.2.8 引力搜索算法代码 130
8.3 引力搜索算法的应用案例 132
8.3.1 求解函数极值 132
8.3.2 带约束问题求解：基于引力搜索算法的压力容器设计 134
8.4 引力搜索算法的中间结果 136
参考文献 139
第9章 树种优化算法及其MATLAB实现 140
9.1 树种优化算法的基本原理 140
9.1.1 树种的定义及生成 140
9.1.2 种子的繁殖 140
9.1.3 树种优化算法流程 141
9.2 树种优化算法的MATLAB实现 141
9.2.1 种群初始化 141
9.2.2 适应度函数 143
9.2.3 边界检查和约束 143
9.2.4 树种优化算法 144
9.3 树种优化算法的应用案例 146
9.3.1 求解函数极值 146
9.3.2 带约束问题求解：基于树种优化算法的压力容器设计 148
9.4 树种优化算法的中间结果 151
参考文献 154
第10章 风驱动优化算法及其MATLAB实现 155
10.1 风驱动优化算法的基本原理 155
10.1.1 参数的定义 155
10.1.2 适应度函数的选取 155
10.1.3 空气单元运动范围的确定 155
10.1.4 风的抽象化及空气单元的更新 155
10.1.5 风驱动优化算法流程 157
10.2 风驱动优化算法的MATLAB实现 158
10.2.1 种群初始化 158
10.2.2 适应度函数 160
10.2.3 边界检查和约束 160
10.2.4 风驱动优化算法 161
10.3 风驱动优化算法的应用案例 163
10.3.1 求解函数极值 163
10.3.2 带约束问题求解：基于风驱动优化算法的压力容器设计 165
10.4 风驱动优化算法的中间结果 168
参考文献 171
第11章 智能优化算法基准测试集 172
11.1 基准测试集简介 172
11.2 基准测试函数绘图与测试函数代码编写 173
11.2.1 函数F1 173
11.2.2 函数F2 174
11.2.3 函数F3 175
11.2.4 函数F4 177
11.2.5 函数F5 178
11.2.6 函数F6 179
11.2.7 函数F7 180
11.2.8 函数F8 181
11.2.9 函数F9 182
11.2.10 函数F10 183
11.2.11 函数F11 184
11.2.12 函数F12 185
11.2.13 函数F13 186
11.2.14 函数F14 187
11.2.15 函数F15 189
11.2.16 函数F16 190
11.2.17 函数F17 191
11.2.18 函数F18 192
11.2.19 函数F19 193
11.2.20 函数F20 194
11.2.21 函数F21 195
11.2.22 函数F22 196
11.2.23 函数F23 198
第12章 智能优化算法性能测试 200
12.1 智能优化算法性能测试方法 200
12.1.1 平均值 200
12.1.2 标准差 200
12.1.3 很优值和最差值 201
12.1.4 收敛曲线 202
12.2 测试案例 202
12.2.1 测试函数信息 202
12.2.2 测试方法及参数设置 203
12.2.3 测试结果 203