拟态物理学启发的群智能方法

目

录第1章

绪论

问题的提出

群体智能

51.2.1

群体行为模型

71.2.2

群体智能算法

121.2.3

群机器人

模拟物理学原理的启发式算法

191.3.1

模拟退火算法

191.3.2

类电磁机制算法

201.3.3

中心力算法

221.3.4

EM算法与CFO算法异同比较

拟态物理学方法

261.4.1

拟态物理学方法基本框架

261.4.2

基于拟态物理学方法的群机器人编队

本书篇章结构

30参考文献

32第2章

基于拟态物理学的智能群体群集模型

基于拟态物理学的群集模型

372.1.1

群集模型建立

372.1.2

势函数的存在性

392.1.3

参数分析

群集模型的稳定性分析

442.2.1

内聚性分析

452.2.2

个体行为的稳定性分析

462.2.3

实例仿真

群集觅食模型

492.3.1

平面环境中的群体行为分析

512.3.2

二次函数环境中的群体行为分析

522.3.3

高斯环境中的群体行为分析

542.3.4

实例仿真

56参考文献

62第3章

基于拟态物理学的全局优化算法框架

生物觅食与优化算法的映射关系

拟态物理学优化算法框架

703.2.1

初始化种群

713.2.2

计算合力

723.2.3

个体运动

733.2.4

APO算法流程

作用力规则设计

743.3.1

负指数作用力规则

753.3.2

单峰作用力规则

783.3.3

线性作用力规则

803.3.4

实例仿真

质量函数的选择策略

953.4.1

质量函数的性质及构造方法

953.4.2

质量函数分类

983.4.3

实例仿真

速度上限选择策略

110参考文献

112第4章

拟态物理学优化算法收敛性分析

收敛性证明

全局收敛性证明

引力参数设计

1254.3.1

定常引力参数

1274.3.2

自适应引力参数

1284.3.3

实例仿真

131参考文献

133第5章

混合拟态物理学优化算法

扩展的APO算法

1355.1.1

EAPO算法描述

1365.1.2

EAPO与PSO比较

1375.1.3

实例仿真

矢量APO算法

1425.2.1

APO算法的矢量模型

1425.2.2

混合一维搜索的VM-APO算法

1455.2.3

混合多维搜索的VM-APO算法

1475.2.4

实例仿真

引入种群多样性的APO算法

引入PD控制器的APO算法

1545.4.1

标准APO

模型分析

1545.4.2

引入后向PD控制器的APO

模型分析

1555.4.3

引入前向PD控制器的APO模型分析

1575.4.4

实例仿真

158参考文献

161第6章

拟态物理学优化算法在约束优化问题中的应用

约束优化问题模型

基于约束保持法的VM-APO算法模型

1646.2.1

可行初始解的产生方法

1646.2.2

混合斐波那契法的VM-APO模型

1686.2.3

混合黄金分割法的VM-APO模型

1726.2.4

实例仿真

基于可行性规则的APO算法模型

1756.3.1

可行性规则一

1766.3.2

可行性规则二

1766.3.3

可行性规则三

1776.3.4

质量函数设计

1776.3.5

实例仿真

178参考文献

182第7章

基于拟态物理学优化算法的群机器人目标搜索

群机器人目标搜索概述

1857.1.1

通信机制

1857.1.2

定位方式

1867.1.3

常见的控制策略

拟态物理学优化算法建模方法

1877.2.1

群机器人目标搜索到APO算法的映射

1887.2.2

基于APO算法的群机器人目标搜索模型

全局感知的群机器人目标搜索

1947.3.1

环境设置

1947.3.2

控制策略

1967.3.3

算法描述

1987.3.4

仿真实验

局部感知的群机器人目标搜索

2037.4.1

时变感知域

2047.4.2

局部感知控制模型

2057.4.3

算法描述

2077.4.4

仿真实验

210参考文献

214附录A

无约束优化典型测试函数

216附录B

约束优化标准测试函数