量子行为粒子群优化 原理及其应用PDF|Epub|txt|kindle电子书版本网盘下载

量子行为粒子群优化 原理及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1．1 最优化问题与最优化方法1

1．2 群体智能3

1．3 群体智能算法4

1．3．1 蚁群优化算法4

1．3．2 粒子群优化算法6

1．3．3 量子行为粒子群优化算法6

1．4 粒子群优化算法研究概况7

1．4．1 PSO算法的理论研究7

1．4．2 PSO算法的改进研究7

1．4．3 PSO算法的应用研究8

1．5 量子行为粒子群优化算法研究综述9

1．5．1 QPSO算法的改进研究9

1．5．2 QPSO算法的应用研究10

参考文献10

第2章 粒子群优化算法21

2．1 基本PSO算法21

2．2 基本PSO算法的模型分析22

2．3 带惯性权重ω的PSO算法23

2．4 带压缩因子χ的PSO算法24

2．5 二进制PSO算法25

2．6 合作PSO算法26

2．7 全信息PS0算法28

2．8 理解学习PSO算法29

参考文献30

第3章 量子行为粒子群优化算法31

3．1 量子力学背景31

3．2 量子行为粒子群优化算法的基本模型32

3．2．1 思想来源32

3．2．2 粒子群势阱模型的建立33

3．2．3 粒子的基本进化方程36

3．2．4 δ势阱模型与其他模型的比较36

3．3 量子行为粒子群优化算法37

3．3．1 粒子的进化方程37

3．3．2 两种搜索迭代策略39

3．3．3 算法的流程41

3．3．4 粒子收敛的基本条件42

3．3．5 粒子收敛条件的仿真测试44

3．4 量子行为粒子群优化算法的学习模式48

3．4．1 PSO算法的学习模式48

3．4．2 QPSO算法的学习模式48

3．4．3 粒子的等待效应49

3．4．4 PSO算法和QPSO算法的比较50

参考文献51

第4章 QPSO算法的收敛性与收敛率分析52

4．1 QPSO算法全局收敛性的概率分析52

4．1．1 全局收敛性准则52

4．1．2 局部收敛性准则54

4．1．3 QPSO算法的全局收敛性55

4．2 QPSO算法的马氏过程分析57

4．2．1 离散马氏过程57

4．2．2 随机算法的理论框架58

4．2．3 随机算法的收敛性定理59

4．2．4 QPSO算法的收敛性60

4．3 收敛率的度量62

4．3．1 收敛率的定义62

4．3．2 三种收敛性64

4．4 QPSO算法的收敛率测试64

参考文献68

第5章 QPSO算法在函数优化中的应用69

5．1 整数规划问题69

5．1．1 问题描述69

5．1．2 仿真算例69

5．2 非线性约束优化问题72

5．2．1 问题描述72

5．2．2 仿真算例74

5．3 静态环境多峰函数的多值优化76

5．3．1 静态环境中的多峰寻优77

5．3．2 基于物种形成策略的QPSO算法78

5．3．3 仿真实验82

5．4 动态环境多峰函数的多值优化91

5．4．1 动态环境中的多峰寻优91

5．4．2 动态环境下的SQPSO算法92

5．4．3 动态环境的创建方法93

5．4．4 仿真实验94

5．5 非线性方程组求解103

5．5．1 非线性方程组的适应值函数103

5．5．2 仿真实验104

参考文献106

第6章 QPSO算法在系统辨识中的应用109

6．1 二维IIR数字滤波器优化设计109

6．1．1 引言109

6．1．2 二维IIR系统的数学描述110

6．1．3 二维IIR数字滤波器的优化设计111

6．1．4 基于QPSO算法的二维IIR数字滤波器的优化设计112

6．1．5 仿真实验与结果分析113

6．2 线性系统在线辨识117

6．2．1 线性系统辨识的问题描述117

6．2．2 单神经元结构118

6．2．3 基于QPSO算法的在线线性系统辨识118

6．2．4 仿真实验及结果120

6．3 混沌系统参数辨识122

6．3．1 引言122

6．3．2 基于QPSO算法的混沌系统参数辨识123

6．3．3 Lorenz混沌系统参数辨识的仿真实验123

6．3．4 Chen混沌系统的数学描述126

6．3．5 Chen混沌系统参数辨识的仿真实验127

6．4 非线性系统辨识128

6．4．1 非线性系统的数学描述128

6．4．2 仿真实验及结果130

参考文献133

第7章 QPSO算法在生物信息中的应用135

7．1 生物多序列比对135

7．1．1 引言135

7．1．2 剖面HMM的拓扑结构135

7．1．3 基于剖面HMM和QPSO算法的多序列比对136

7．1．4 模型训练的几个相关问题138

7．1．5 仿真实验及结果140

7．2 基因表达数据的聚类147

7．2．1 引言147

7．2．2 基因表达数据聚类问题概述148

7．2．3 基于QPSO算法的基因表达数据聚类算法152

7．2．4 仿真实验及结果153

7．3 生化代谢途径的参数辨识160

7．3．1 问题描述160

7．3．2 仿真算例160

7．4 生化过程代谢通量分析166

7．4．1 引言166

7．4．2 基于13C标记平衡的MFA166

7．4．3 基于QPSO算法和罚函数的代谢通量分析171

7．4．4 仿真实例172

参考文献177

第8章 QPSO算法在图像处理中的应用182

8．1 QPSO算法在图像分割中的应用182

8．1．1 引言182

8．1．2 QPSO聚类算法182

8．1．3 基于QPSO聚类算法的图像分割185

8．1．4 算例及分析186

8．2 多聚焦图像融合189

8．2．1 引言189

8．2．2 低频子带的融合准则189

8．2．3 高频子带的融合准则190

8．2．4 实验结果及评价192

8．3 图像纹理合成194

8．3．1 引言194

8．3．2 基于块拼贴的纹理合成算法195

8．3．3 基于QPSO的纹理合成算法196

8．3．4 实验结果及分析197

参考文献199

第9章 QPSO算法的工程应用201

9．1 电力系统经济调度201

9．1．1 引言201

9．1．2 ED问题的数学描述201

9．1．3 约束的处理203

9．1．4 仿真算例203

9．2 移动机器人轨迹跟踪控制207

9．2．1 引言207

9．2．2 轮式移动机器人的非完整性207

9．2．3 轮式移动机器人运动学模型209

9．2．4 轮式移动机器人轨迹跟踪问题描述210

9．2．5 基于QPSO算法的反演跟踪控制器设计和仿真210

9．2．6 基于QPSO算法的滑模轨迹跟踪控制器设计和仿真217

9．3 QPSO算法的FPGA实现与测试223

9．3．1 引言223

9．3．2 系统结构设计223

9．3．3 系统原理与数据通路224

9．3．4 仿真结果226

参考文献228

附录230

附录A QPSO算法的C＋＋代码230

附录B QPSO算法的Matlab代码234