123,123,123

內(nèi)容簡(jiǎn)介

　　《新型人工蜂群和粒子群算法及應(yīng)用》立足于解決工程實(shí)際問(wèn)題，通過(guò)建構(gòu)人工蜂群和人工粒子群優(yōu)化算法尋優(yōu)機(jī)理的理論框架，針對(duì)解決船舶電力系統(tǒng)穩(wěn)定器設(shè)計(jì)、非線性動(dòng)態(tài)系統(tǒng)辨識(shí)、船舶內(nèi)殼板材優(yōu)化設(shè)計(jì)、多約束問(wèn)題優(yōu)化、盲源分離、混沌系統(tǒng)參數(shù)辨識(shí)、圖像有序盲分離、太陽(yáng)能電池模型參數(shù)辨識(shí)、船舶混合能源系統(tǒng)配置優(yōu)化及能量管理等若干關(guān)鍵問(wèn)題，進(jìn)行深入的研究和分析?！缎滦腿斯し淙汉土Ｗ尤核惴皯?yīng)用》的主要特點(diǎn)在于不僅針對(duì)相關(guān)問(wèn)題進(jìn)行理論上的分析，還通過(guò)一系列仿真實(shí)驗(yàn)予以驗(yàn)證，彰顯其研究成果在理論和實(shí)踐上的雙重價(jià)值和意義。《新型人工蜂群和粒子群算法及應(yīng)用》適合從事信號(hào)處理、自動(dòng)化控制、智能信息處理和船舶工程的科研人員以及研究生學(xué)習(xí)參考。

作者簡(jiǎn)介

　　王榮杰，2012年中山大學(xué)博士畢業(yè)，香港理工大學(xué)訪問(wèn)學(xué)者，現(xiàn)為集美大學(xué)輪機(jī)工程學(xué)院教授、船舶與海洋工程學(xué)科博士生導(dǎo)師，國(guó)家自然科學(xué)基金委員會(huì)工程與材料科學(xué)部、信息科學(xué)部通訊評(píng)議人，中國(guó)航海智庫(kù)特約研究員（船舶工程領(lǐng)域），廈門(mén)市電機(jī)工程學(xué)會(huì)副理事長(zhǎng)。長(zhǎng)期從事船舶電力系統(tǒng)故障預(yù)測(cè)診斷和智能信息處理方向的教學(xué)與研究，先后主持國(guó)家自然科學(xué)基金項(xiàng)目2項(xiàng)、交通運(yùn)輸部科研項(xiàng)目1項(xiàng)、福建省自然科學(xué)基金項(xiàng)目2項(xiàng)、福建省科技擁軍項(xiàng)目1項(xiàng)、省部級(jí)重點(diǎn)實(shí)驗(yàn)室和市廳級(jí)等科研項(xiàng)目10余項(xiàng)；出版學(xué)術(shù)專著3部，取得授權(quán)國(guó)家發(fā)明專利11項(xiàng)（排名首位），以首作者身份在國(guó)內(nèi)外重要學(xué)術(shù)期刊上發(fā)表論文50余篇，其中20余篇被SCI/EI收錄、2篇分別獲2016年第十二屆福建省自然科學(xué)優(yōu)秀學(xué)術(shù)論文二等獎(jiǎng)和三等獎(jiǎng)、1篇獲廈門(mén)市第七屆自然科學(xué)優(yōu)秀學(xué)術(shù)論文三等獎(jiǎng)；研究成果“智能信息處理技術(shù)在新能源電力系統(tǒng)的應(yīng)用與試驗(yàn)”（排名首位）獲2018年福建電機(jī)工程科技獎(jiǎng)二等獎(jiǎng)。2019年入選交通運(yùn)輸部“交通運(yùn)輸行業(yè)高層次人才培養(yǎng)計(jì)劃”、獲交通運(yùn)輸部“交通運(yùn)輸青年科技英才”稱號(hào)和第四屆福建電機(jī)工程突出貢獻(xiàn)二等獎(jiǎng)，2018年入選“集美大學(xué)青年拔尖人才支持計(jì)劃（首批）”，2017年入選“福建省高等學(xué)校新世紀(jì)優(yōu)秀人才支持計(jì)劃”，2015年獲第八屆廈門(mén)市電機(jī)工程學(xué)會(huì)“工作積極分子”稱號(hào)，2014年入選“福建省高校杰出青年科研人才培育計(jì)劃”。

圖書(shū)目錄

第1章基于人工蜂群算法的船舶電力系統(tǒng)穩(wěn)定器設(shè)計(jì)
1．1 引言
1．2 基于PSS的船舶同步發(fā)電機(jī)勵(lì)磁控制系統(tǒng)
1．2．1 可控相復(fù)勵(lì)勵(lì)磁系統(tǒng)
1．2．2 PSS改善系統(tǒng)穩(wěn)定性機(jī)理
1．3 PSS參數(shù)優(yōu)化
1．3．1 ABC算法
1．3．2 PSS參數(shù)優(yōu)化目標(biāo)函數(shù)
1．3．3 ABC算法優(yōu)化PSS參數(shù)實(shí)現(xiàn)
1．4 仿真實(shí)驗(yàn)與分析
1．5 本章小結(jié)
參考文獻(xiàn)
第2章基于粒子群算法和寬度學(xué)習(xí)系統(tǒng)的非線性動(dòng)態(tài)系統(tǒng)辨識(shí)
2．1 非線性動(dòng)態(tài)系統(tǒng)辨識(shí)研究概況
2．2 PSO-BLS非線性動(dòng)態(tài)系統(tǒng)辨識(shí)模型
2．2．1 寬度學(xué)習(xí)系統(tǒng)
2．2．2 PSO-BLS模型設(shè)計(jì)
2．3 驗(yàn)證實(shí)驗(yàn)
2．4 本章小結(jié)
參考文獻(xiàn)
第3章基于群智能算法的船舶內(nèi)殼板材優(yōu)化設(shè)計(jì)
3．1 引言
3．2 C．H的結(jié)構(gòu)
3．2．1 C．H結(jié)構(gòu)布置
3．2．2 SISP的3D模型
3．2．3 SISP參數(shù)模型
3．3 構(gòu)建SISP的數(shù)學(xué)模型
3．3．1 優(yōu)化目標(biāo)
3．3．2 約束
3．3．3 SISP的數(shù)學(xué)模型
3．4 基于群智能算法的SISP優(yōu)化設(shè)計(jì)
3．4．1 ABC算法
3．4．2 PSO算法
3．4．3 GA算法
3．4．4 DE算法
3．4．5 基于群智能算法的SISP優(yōu)化設(shè)計(jì)
3．5 實(shí)例驗(yàn)證
3．6 本章小結(jié)
參考文獻(xiàn)
第4章基于群智能算法的多約束問(wèn)題優(yōu)化
4．1 引言
4．2 約束問(wèn)題
4．3 群智能算法
4．3．1 ABC算法
4．3．2 PSO算法
4．4 基于群智能算法的多約束問(wèn)題優(yōu)化
4．4．1 ABC算法的實(shí)現(xiàn)
4．4．2 PSO算法的實(shí)現(xiàn)
4．5 仿真實(shí)驗(yàn)分析
4．6 本章小結(jié)
參考文獻(xiàn)
……
第5章基于自適應(yīng)人工蜂群優(yōu)化和峰度的盲源分離算法
第6章基于人工蜂群和差分進(jìn)化混合算法的混沌系統(tǒng)參數(shù)辨識(shí)
第7章基于對(duì)立粒子群優(yōu)化的圖像有序盲分離算法
第8章基于增強(qiáng)型粒子群優(yōu)化的太陽(yáng)能電池模型參數(shù)辨識(shí)的方法
第9章基于量子計(jì)算的船舶混合能源系統(tǒng)配置優(yōu)化及能量管理