滿額折
商品簡介
目次
商品簡介
《粒子群算法及其應用研究》的核心是設計求解MEC模型的粒子群算法。粒子群算法在很多連續問題上得到成功的應用，而在離散問題上的研究和應用卻很少，而《粒子群算法及其應用研究》正是粒子群算法在離散問題上的一個很好的應用。針對MEC模型提出一種基于原始粒子群算法的啟發式算法，該方法盡管有隨機機制，但它對MEC模型非常穩定，在大多數情況下都可以找到相當好的解。為了提高粒子群算法的收斂速度，在原始粒子群算法中嵌入記憶機制，改進了粒子群算法的性能，進而提出了一種基于改進粒子群算法的啟發式算法，提高了單體型重構率。利用給出的兩個算法分別對真實數據和模擬數據進行數值計算，結果表明這兩個算法對于MEC模型是非常有效的。
目次
第1章 緒論
1．1 群智能
1．2 混合蛙跳算法
1．3 人工魚群算法
1．4 蟻群算法
1．5 粒子群算法
第2章 基本粒子群算法
2．1 粒子群算法概述
2．2 標準粒子群算法
2．3 粒子群算法分類
2．4 標準粒子群算法的實現
2．5 適應度評價函數
2．6 連續型原始粒子群算法
2．7 離散型粒子群算法
2．8 粒子群算法局部版本的實現
2．9 混合粒子群算法的實現
第3章 粒子群優化算法的改進策略
3．1 粒子群初始化
3．2 鄰域拓撲
3．3 混合策略
3．4 參數設置
3．5 參數理論分析
3．6 結論與展望
3．7 參考文獻
3．8 附錄
第4章 粒子群算法的應用
4．1 基于粒子群算法的單體型裝配問題
4．2 粒子群算法解決函數優化問題
4．3 基于粒子群算法求解非線性規劃問題的設計
4．4 基于粒子群算法的電力系統環境經濟調度問題
1．1 群智能
1．2 混合蛙跳算法
1．3 人工魚群算法
1．4 蟻群算法
1．5 粒子群算法
第2章 基本粒子群算法
2．1 粒子群算法概述
2．2 標準粒子群算法
2．3 粒子群算法分類
2．4 標準粒子群算法的實現
2．5 適應度評價函數
2．6 連續型原始粒子群算法
2．7 離散型粒子群算法
2．8 粒子群算法局部版本的實現
2．9 混合粒子群算法的實現
第3章 粒子群優化算法的改進策略
3．1 粒子群初始化
3．2 鄰域拓撲
3．3 混合策略
3．4 參數設置
3．5 參數理論分析
3．6 結論與展望
3．7 參考文獻
3．8 附錄
第4章 粒子群算法的應用
4．1 基于粒子群算法的單體型裝配問題
4．2 粒子群算法解決函數優化問題
4．3 基于粒子群算法求解非線性規劃問題的設計
4．4 基于粒子群算法的電力系統環境經濟調度問題
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。