0去购物车结算
购物车中还没有商品,赶紧选购吧!
当前位置: 图书分类 > 信息技术 > 计算机理论 > 新型粒子群优化模型及应用

浏览历史

新型粒子群优化模型及应用


联系编辑
 
标题:
 
内容:
 
联系方式:
 
  
新型粒子群优化模型及应用
  • 书号:9787030496560
    作者:申元霞,王国胤 著
  • 外文书名:
  • 装帧:平装
    开本:B5
  • 页数:156
    字数:250
    语种:中文(简体)
  • 出版社:科学出版社
    出版时间:2016-12-20
  • 所属分类:
  • 定价: ¥60.00元
    售价: ¥47.40元
  • 图书介质:
    按需印刷

  • 购买数量: 件  缺货,请选择其他介质图书!
  • 商品总价:

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

粒子群优化(ParticleSwarmOptimization,PSO)算法是在鸟群、鱼群及人类的行为规律的启发下提出的,具有概念简单、控制参数少、易于实现等优点。PSO自提出以来受到了研究者的广泛关注,并在诸多领域获得了成功应用。但是,PSO研究也存在亟需解决的问题,如优化过程中容易出现早期收敛或停滞的现象,无法促使种群进化发展;粒子的信息加工方式与优化性能的关系;运动方程中学习参数的设置对群体进化的影响;如何平衡进化过程中收敛速度和收敛精度等问题。针对这些问题,本书提出了相应的理论分析和改进算法,并将改进算法应用于实际问题。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页
用户名: 匿名用户
E-mail:
咨询内容:

目录

  • 目录
    前言
    第1章 绪论1
    1.1优化理论的基本概念1
    1.2群体智能概述1
    1.3PSO模型3
    1.3.1PSO模型的思想来源4
    1.3.2PSO模型的基本原理5
    1.4PSO的研究现状6
    1.4.1PSO的优化性能6
    1.4.2PSO的理论分析9
    1.4.3PSO的应用研究9
    1.5本书的组织结构10
    参考文献11
    第2章 粒子群优化算法22
    2.1带线性惯性权重的PSO算法22
    2.2时变加速系数PSO算法23
    2.3骨干PSO算法23
    2.4全信息PSO算法24
    2.5广泛学习PSO算法25
    2.6本章小结26
    参考文献26
    第3章 PSO算法的学习参数与种群多样性关系28
    3.1引言28
    3.2种群多样性的定义28
    3.3种群多样性的期望29
    3.4学习参数与种群多样性的关系32
    3.4.1惯性权重对多样性期望的影响32
    3.4.2加速系数对多样性期望的影响34
    3.4.3惯性权重和加速系数对多样性期望的共同影响36
    3.5本章小结38
    参考文献39
    第4章 相关性PSO模型41
    4.1引言41
    4.2随机因子的认知分析42
    4.3基于Copula的相关性PSO模型42
    4.3.1关联因子及其度量42
    4.3.2Copula函数43
    4.3.3模型描述44
    4.3.4模型实现46
    4.4相关性PSO模型的种群多样性分析47
    4.4.1种群多样性的数学期望47
    4.4.2实验分析50
    4.5相关性PSO模型的收敛性分析51
    4.5.1粒子位置收敛性分析51
    4.5.2粒子位置方差收敛性分析52
    4.6仿真实验55
    4.7本章小结58
    参考文献58
    第5章 PSO学习参数的概率特性分析61
    5.1引言61
    5.2相关性PSO学习参数的概率特性62
    5.2.1SPSO学习参数的概率特性及分析62
    5.2.2PL-CPSO学习参数的概率特性及分析65
    5.2.3NL-CPSO学习参数的概率特性及分析66
    5.3自适应相关性PSO算法67
    5.3.1算法原理67
    5.3.2仿真实验69
    5.4本章小结71
    参考文献71
    第6章 多学习模式相关性PSO算法73
    6.1引言73
    6.2双学习模式相关性PSO算法74
    6.2.1全局学习模式74
    6.2.2学习模式间的交互75
    6.2.3双学习模式相关性PSO算法的描述75
    6.2.4仿真实验76
    6.3三学习模式相关性PSO算法88
    6.3.1算法描述88
    6.3.2仿真实验89
    6.4本章小结92
    参考文献92
    第7章 求解多目标优化的问题94
    7.1引言94
    7.2多目标优化95
    7.2.1多目标优化问题的数学描述95
    7.2.2主要的多目标PSO算法96
    7.3多目标相关性PSO算法97
    7.3.1策略设计97
    7.3.2算法描述98
    7.4仿真实验99
    7.4.1实验设计99
    7.4.2实验结果分析100
    7.5本章小结104
    参考文献104
    第8章 改进的骨干粒子群算法106
    8.1引言106
    8.2BBPSO算法及其运动行为分析107
    8.2.1BBPSO算法107
    8.2.2BBPSO行为分析107
    8.3并行协作BBPSO108
    8.3.1主群的学习机制108
    8.3.2从群的学习机制109
    8.3.3交互机制110
    8.4数值实验及分析110
    8.4.1测试函数和参数设置110
    8.4.2评价指标111
    8.4.3算法的收敛精度和速度比较111
    8.5本章小结114
    参考文献114
    第9章 证券投资组合问题中的应用116
    9.1引言116
    9.2证券投资组合模型分析117
    9.2.1证券投资组合的概率准则模型117
    9.2.2多因素证券投资组合模型118
    9.3相关性PSO求解证券投资组合问题120
    9.3.1基于单目标的证券投资组合问题求解120
    9.3.2基于多目标的证券投资组合问题求解121
    9.4仿真实验122
    9.4.1求解证券投资组合的概率准则模型实验122
    9.4.2求解多因素证券投资组合问题实验123
    9.5本章小结127
    参考文献128
    第10章 基于骨干粒子群算法的图像分割方法129
    10.1引言129
    10.2最佳阈值选取129
    10.3基于BBPSO的多阈值分割算法130
    10.4仿真实验与性能测试130
    10.4.1参数设置130
    10.4.2实验结果131
    10.5本章小结133
    参考文献134
    附录1136
    附录2142
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证