蝙蝠優(yōu)化算法

第一部分 導引篇
第1章 緒論 3
1．1 優(yōu)化算法概述 4
1．2 確定性優(yōu)化算法 4
1．3 隨機優(yōu)化算法 5
1．4 基本蝙蝠算法簡介 7
1．5 蝙蝠算法研究綜述 9
1．6 本書的框架 17
參考文獻 18
第2章 蝙蝠算法的收斂性分析 31
2．1 全局收斂性的相關概念 32
2．2 蝙蝠算法收斂性分析現狀 33
2．3 基本蝙蝠算法分析 35
2．4 3種邊界條件 39
2．5 基本蝙蝠算法的收斂性分析 40
2．6 標準蝙蝠算法的收斂性分析 46
2．7 收斂速度分析 49
2．8 小結 50
參考文獻 50
第二部分 原理篇
第3章 三角翻轉蝙蝠算法 53
3．1 記憶方式的速度更新公式分析 54
3．2 三角翻轉法介紹 56
3．2．1 基于對稱方式的三角翻轉法 56
3．2．2 基于比例方式的三角翻轉法 57
3．3 記憶型三角翻轉蝙蝠算法 59
3．3．1 記憶型三角翻轉蝙蝠算法概述 59
3．3．2 收斂性證明 60
3．3．3 仿真試驗 61
3．4 無記憶型三角翻轉蝙蝠算法 64
3．4．1 無記憶型三角翻轉蝙蝠算法概述 64
3．4．2 仿真試驗 67
3．5 快速三角翻轉蝙蝠算法 69
3．5．1 快速三角翻轉蝙蝠算法概述 69
3．5．2 仿真試驗 70
3．6 小結 78
參考文獻 79
第4章 蝙蝠算法的擾動策略設計 81
4．1 標準蝙蝠算法的局部收斂性能分析 82
4．2 線性遞減策略 86
4．2．1 算法思想 86
4．2．2 參數選擇 87
4．3 曲線遞減策略 89
4．3．1 算法思想 89
4．3．2 參數選擇 90
4．4 基于曲線遞減策略的快速三角翻轉蝙蝠算法 94
4．5 LEACH協議的優(yōu)化應用 97
4．6 小結 101
參考文獻 102
第5章 全局搜索與局部搜索的轉化策略 105
5．1 已有的轉化策略 106
5．2 隨機轉化策略 107
5．3 基于適應值信息的轉化策略 110
5．3．1 基于秩的轉化策略 110
5．3．2 基于數值的轉化策略 114
5．4 基于啟發(fā)式信息的統一搜索蝙蝠算法 115
5．5 DV-Hop算法的優(yōu)化 121
5．6 小結 125
參考文獻 126
第6章 集成策略算法 129
6．1 UHBA算法分析 130
6．2 6種集成策略 131
6．3 固定概率選擇的集成算法 134
6．4 動態(tài)概率選擇的集成算法 138
6．4．1 動態(tài)概率選擇策略 138
6．4．2 仿真試驗 141
6．5 小結 148
參考文獻 149
第三部分 應用篇
第7章 多目標蝙蝠算法軟件缺陷預測 153
7．1 多目標軟件缺陷預測 154
7．1．1 研究背景 154
7．1．2 問題介紹 156
7．1．3 欠采樣軟件缺陷預測模型 159
7．2 多目標蝙蝠算法 161
7．2．1 多目標優(yōu)化問題 161
7．2．2 多目標蝙蝠算法分析 162
7．2．3 不平衡數據集的欠采樣軟件缺陷預測具體實現方式 163
7．3 仿真試驗 164
7．4 小結 168
參考文獻 169
第8章 高維多目標蝙蝠算法軟件缺陷預測 173
8．1 高維多目標軟件缺陷預測問題 174
8．2 高維多目標優(yōu)化算法研究現狀 175
8．3 高維多目標蝙蝠算法 176
8．3．1 基于維度更新的高維多目標蝙蝠算法全局更新策略 176
8．3．2 基于維度更新的高維多目標蝙蝠算法局部更新策略 177
8．3．3 適應值估計方法 177
8．3．4 目標函數 179
8．3．5 算法框架 181
8．4 仿真試驗 181
8．4．1 參數設置及度量指標 181
8．4．2 試驗結果分析 182
8．5 小結 184
參考文獻 184
附錄A 快速三角翻轉蝙蝠算法源代碼 189
附錄B 基于曲線遞減策略的快速三角翻轉蝙蝠算法源代碼 197
附錄C 基于秩轉化的曲線遞減快速三角翻轉蝙蝠算法源代碼 203
附錄D 基于數值轉化的曲線遞減快速三角翻轉蝙蝠算法源代碼 209