新型人工蜂群和粒子群算法及應用

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
1．1 引言
1．2 基于PSS的船舶同步發(fā)電機勵磁控制系統(tǒng)
1．2．1 可控相復勵勵磁系統(tǒng)
1．2．2 PSS改善系統(tǒng)穩(wěn)定性機理
1．3 PSS參數(shù)優(yōu)化
1．3．1 ABC算法
1．3．2 PSS參數(shù)優(yōu)化目標函數(shù)
1．3．3 ABC算法優(yōu)化PSS參數(shù)實現(xiàn)
1．4 仿真實驗與分析
1．5 本章小結(jié)
參考文獻
第2章 基于粒子群算法和寬度學習系統(tǒng)的非線性動態(tài)系統(tǒng)辨識
2．1 非線性動態(tài)系統(tǒng)辨識研究概況
2．2 PSO-BLS非線性動態(tài)系統(tǒng)辨識模型
2．2．1 寬度學習系統(tǒng)
2．2．2 PSO-BLS模型設(shè)計
2．3 驗證實驗
2．4 本章小結(jié)
參考文獻
第3章 基于群智能算法的船舶內(nèi)殼板材優(yōu)化設(shè)計
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)學模型
3．3．1 優(yōu)化目標
3．3．2 約束
3．3．3 SISP的數(shù)學模型
3．4 基于群智能算法的SISP優(yōu)化設(shè)計
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
3．5 實例驗證
3．6 本章小結(jié)
參考文獻
第4章 基于群智能算法的多約束問題優(yōu)化
4．1 引言
4．2 約束問題
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題優(yōu)化
4．4．1 ABC算法的實現(xiàn)
4．4．2 PSO算法的實現(xiàn)
4．5 仿真實驗分析
4．6 本章小結(jié)
參考文獻
……
第5章 基于自適應人工蜂群優(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化混合算法的混沌系統(tǒng)參數(shù)辨識
第7章 基于對立粒子群優(yōu)化的圖像有序盲分離算法
第8章 基于增強型粒子群優(yōu)化的太陽能電池模型參數(shù)辨識的方法
第9章 基于量子計算的船舶混合能源系統(tǒng)配置優(yōu)化及能量管理