5.2.1　生物免疫系统的基本定义　140

5.2.2　生物免疫系统的工作原理　141

5.3　人工免疫算法的基本原理　142

5.3.1　人工免疫算法的基本框架　143

5.3.2　否定选择算法的基本原理　144

5.3.3　免疫规划算法的基本原理　146

5.3.4　克隆选择算法的基本原理　150

5.4　人工免疫算法的应用实例　155

5.5　本章小结　163

5.6　习题　163



06　粒子群优化算法

6.1　概述　166

6.2　粒子群优化算法的基本原理　166

6.3　粒子群优化算法的改进　174

6.3.1　带惯性权重的PSO算法　174

6.3.2　带收缩因子的PSO算法　175

6.3.3　基于种群分类与动态学习因子的PSO改进算法　176

6.4　粒子群优化算法的应用实例　178

6.5　本章小结　180

6.6　习题　180



07　人工蜂群算法

7.1　概述　182

7.2　人工蜂群算法的基本原理　183

7.3　改进的人工蜂群算法　187

7.3.1　针对高维复杂单目标优化问题的改进人工蜂群算法　187

7.3.2　针对多峰优化问题的小生境人工蜂群算法　188

7.4　人工蜂群算法的应用实例　193

7.5　本章小结　198

7.6　习题　198



08　生物地理学优化算法

8.1　概述　200

8.2　生物地理学优化算法的基本原理　200

8.3　生物地理学优化算法的基本流程　204

8.3.1　迁移操作　204

8.3.2　变异操作　205

8.3.3　算法框架　206

8.4　改进的生物地理学优化算法　207

8.4.1　混合型迁移操作　207

8.4.2　局部化生物地理学优化算法　209

8.4.3　生态地理学优化算法　213

8.5　生物地理学优化算法的应用实例　216

8.6　本章小结　220

8.7　习题　220



09　多目标优化算法

9.1　概述　222

9.2　三代多目标优化算法　223

9.2.1　第 一代多目标优化算法　223

9.2.2　第二代多目标优化算法　223

9.2.3　第三代多目标优化算法　229

9.3　高维多目标优化算法　233

9.3.1　基于分解的多目标优化算法　233

9.3.2　NSGA-III　236

9.3.3　NSGA-III-OSD　240

9.4　多目标优化算法的测试函数和评价指标　242

9.4.1　测试函数　242

9.4.2　评价指标　246

9.5　多目标优化算法的测试实例和应用实例　247

9.6　本章小结　253

9.7　习题　253



10　约束优化算法

10.1　概述　256

10.2　约束处理技术　258

10.2.1　惩罚函数法　258

10.2.2　随机排序法　258

10.2.3　可行性准则　259

10.2.4　ε约束法　260

10.2.5　多目标优化法　260

10.2.6　双种群存储技术　261

10.3　约束单目标优化算法　261

10.3.1　基于随机排序法的约束单目标优化算法　262

10.3.2　基于ε约束法的约束单目标优化算法　263

10.3.3　基于双种群存储技术的约束单目标优化算法　264

10.3.4　约束单目标优化测试函数　267

10.4　约束多目标优化算法　269

10.4.1　基于随机排序法的约束多目标优化算法　269

10.4.2　基于双种群存储技术的约束多目标优化算法　270

10.4.3　基于ε约束法的约束多目标优化算法　273

10.4.4　约束多目标优化测试函数　277

10.5　约束优化算法的应用实例　279

10.6　本章小结　283

10.7　习题　283



参考文献　285

计算智能/毕晓君 作者简介

毕晓君，中央民族大学信息工程学院教授、博导，哈尔滨工程大学信息与通信工程学院兼职教授。长期从事信息智能处理技术与数字电子技术方向的课程教学工作，主要研究领域涉及智能优化算法、机器学习、数字图像处理等。

 2/2   首页 上一页 1 2

教材 研究生/本科/专科教材 工学

在线阅读