演化计算方法及应用

本书全面概括了用演化方法求解优化问题的一些新方法，重点介绍了进化规划、粒子群优化、微分演化、文化算法和蚁群算法，并阐述了几种新的改进算法，例如，群体启发进化规划方法、模拟退火粒子群优化算法及有分工策略的粒子群优化等，同时就所涉及的算法进行了系统的实验和比较，讨论了不同算法对不同环境的适应能力。本书可作为从事群体智能、演化计算等领域的研究人员的参考书，对于解决优化问题有一定的参考和应用价值。

第1章绪论1
1.1最优化问题2
1.2求解优化问题的数学方法4
1.3求解优化问题的演化计算方法5
第2章遗传算法9
2.1标准遗传算法10
2.2编码12
2.2.1二进制编码12
2.2.2值编码（ValueEncoding）12
2.2.3互换编码（PermutationEncoding）13
2.3遗传算子14
2.3.1交叉14
2.3.2变异16
2.3.3选择17
2.4参数控制19
2.5模式定理和隐并行性定理19
2.6收缩映射原理21
2.7小结24
第3章进化规划26
3.1标准进化规划方法27
3.2进化策略29
3.3概率分析30
3.4群体启发进化规划34
3.4.1群体启发进化规划算法34
3.4.2PHEP算法验证36
3.5用群体启发进化规划求解高维优化问题41
3.5.1高维优化41
3.5.2实验结果42
3.6小结45
第4章粒子群优化46
4.1标准粒子群优化方法48
4.2二进制粒子群优化算法50
4.3参数设置57
4.4粒子轨迹的确定性分析60
4.5粒子的分布特征63
4.6粒子的聚度64
4.7模拟退火粒子群优化方法67
4.7.1模拟退火68
4.7.2模拟退火粒子群优化69
4.8有分工策略的粒子群优化方法71
4.9算法测试74
4.10动态优化76
4.10.1线性模型77
4.10.2环形模型77
4.10.3随机模型78
4.10.4动态优化仿真78
4.11小结84
第5章微分演化86
5.1微分演化方法描述87
5.2DE参数的设置90
5.3算法仿真91
5.3.1低维条件下的仿真结果91
5.3.2高维条件下的仿真结果92
5.4微分演化粒子群优化93
5.5用DE确定PSO的最佳参数96
5.6小结98
第6章文化算法99
6.1约束的处理101
6.1.1可行解和不可行解101
6.1.2可行个体评价函数的设计102
6.1.3不可行个体的处理103
6.2文化算法简介108
6.2.1文化算法框架108
6.2.2信仰空间的约束表达和信仰空间的更新109
6.2.3群体空间的演化113
6.3算法测试113
6.4小结114
第7章蚁群优化116
7.1蚁群优化算法117
7.2蚁群聚类120
7.3小结123
第8章应用举例125
8.1属性约简126
8.1.1信息系统与属性约简126
8.1.2常用的属性约简方法126
8.1.3基于遗传算法的属性约简129
8.2电力负荷关联规则提取132
8.2.1问题概述132
8.2.2关联规则133
8.2.3频项集挖掘136
8.2.4基于DPSO方法负荷规则萃取138
8.3神经网络训练142
8.3.1神经元模型143
8.3.2神经网络144
8.3.3神经网络的学习145
8.3.4前向神经网络146
8.4小结149
附录A无约束优化问题150
附录B约束优化问题157
参考文献162