智能優(yōu)化算法及其在機械工程中的應(yīng)用

第1章 概述
1.1 群智能的基本概念
1.2 群智能思想的起源簡介
1.3 群智能理論簡介
1.4 演化算法簡介
1.5 本書主要內(nèi)容與安排
第2章 遺傳算法及其應(yīng)用
2.1 遺傳算法的起源與發(fā)展簡介
2.1.1 遺傳算法的生物學(xué)基礎(chǔ)
2.1.2 遺傳算法的提出與發(fā)展簡介
2.2 遺傳算法的理論基礎(chǔ)
2.2.1 遺傳算法的基本原理
2.2.2 遺傳算法的幾個基本概念
2.2.3 遺傳算法的基本算子和數(shù)學(xué)基礎(chǔ)
2.3 遺傳算法的實現(xiàn)
2.3.1 遺傳算法的實現(xiàn)
2.3.2 遺傳算法實現(xiàn)舉例
2.4 遺傳算法的特點與改進
2.4.1 遺傳算法的特點
2.4.2 對簡單遺傳算法的一些改進
2.4.3 幾種常見的遺傳算法
2.4.4 遺傳算法應(yīng)用的幾個關(guān)鍵問題
2.5 遺傳算法在機械工程中的應(yīng)用
2.5.1 基于遺傳算法的bounc—wen遲滯非線性動力學(xué)模型的參數(shù)識別方法
2.5.2 基于遺傳算法的圓柱齒輪變位系數(shù)的優(yōu)化選擇
2.5.3 基于遺傳算法的機器人路徑規(guī)劃
第3章 粒子群優(yōu)化算法及其應(yīng)用
3.1 基本粒子群優(yōu)化算法
3.1.1 粒子群優(yōu)化算法的產(chǎn)生
3.1.2 基本粒子群優(yōu)化算法
3.1.3 基本粒子群優(yōu)化算法的參數(shù)選擇
3.1.4 帶慣性權(quán)重的粒子群優(yōu)化算法
3.1.5 粒子群優(yōu)化算法的控制參數(shù)分析
3.2 混沌粒子群優(yōu)化算法
3.2.1 混沌的一些基本特點
3.2.2 混沌映射
3.2.3 基于群體適應(yīng)度方差的混沌粒子群優(yōu)化算法
3.3 無約束多目標(biāo)粒子群優(yōu)化算法
3.3.1 多目標(biāo)優(yōu)化問題的基本概念和術(shù)語
3.3.2 多目標(biāo)優(yōu)化問題的發(fā)展及其傳統(tǒng)的解決方法
3.3.3 無約束多目標(biāo)粒子群優(yōu)化算法
3.4 約束多目標(biāo)粒子群優(yōu)化算法
3.4.1 約束優(yōu)化問題
3.4.2 罰函數(shù)法
3.4.3 基于罰函數(shù)法的帶約束條件的粒子群優(yōu)化算法
3.5 基于極坐標(biāo)的粒子群優(yōu)化算法
3.5.1 基于極坐標(biāo)的粒子群優(yōu)化算法的數(shù)學(xué)描述
3.5.2 有關(guān)ppso算法的特點與討論
3.5.3 基本粒子群優(yōu)化算法和ppso算法的測試結(jié)果對比與討論
3.6 帶活力因子的粒子群優(yōu)化算法
……
第4章 差異演化算法及其應(yīng)用
第5章 模擬植物生長算法及其應(yīng)用
第6章 果蠅優(yōu)化算法及其應(yīng)用
參考文獻
致謝