第l章 緒論
1.1 課題的背景和意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 本研究主要T作
1.4 本研究的內(nèi)容結(jié)構(gòu)
1.5 本書(shū)內(nèi)容出版資助
第2章 全局優(yōu)化的基本理論
2.1 優(yōu)化問(wèn)題簡(jiǎn)介
2.2 優(yōu)化模型的建立
2.3 優(yōu)化問(wèn)題的分類(lèi)
2.4 凸集與凸函數(shù)
2.5 優(yōu)化算法簡(jiǎn)介
2.5.1 優(yōu)化算法的基本迭代
2.5.2 解決優(yōu)化問(wèn)題的基本算法
2.5.3 優(yōu)化算法的收斂問(wèn)題
2.5.4 搜索方向確定
2.5.5 算法步長(zhǎng)確定
2.6 局部與全局
2.7 全局優(yōu)化問(wèn)題的特點(diǎn)
2.7.1 優(yōu)化方法的發(fā)展
2.7.2 全局優(yōu)化問(wèn)題的性質(zhì)
2.8 智能優(yōu)化
第3章 相關(guān)優(yōu)化算法及理論
3.1 神經(jīng)網(wǎng)絡(luò)與組合優(yōu)化
3.1.1 神經(jīng)網(wǎng)絡(luò)
3.1.2 組合優(yōu)化問(wèn)題
3.2 模擬退火優(yōu)化算法
3.2.1 模擬退火算法
3.2.2 模擬退火算法步驟
3.2 .火算法的關(guān)鍵技術(shù)
3.2.4 模擬退火算法的收斂性
3.3 混沌優(yōu)化
3.3.1 混沌的產(chǎn)生
3.3.2 昆沌的定義
3.3.3 一般混沌映射特性
3.3.4 典型混沌映射點(diǎn)集的概率分布
3.3.5 E沌優(yōu)化概述
3.3.6 其他的混沌優(yōu)化算法
3.4 粒子群優(yōu)化算法的原理
3.4.1 描述PSO 7關(guān)鍵術(shù)語(yǔ)
3.4.2 基本粒子群優(yōu)化算法
3.4.3 標(biāo)準(zhǔn)粒子群優(yōu)化算法
3.4.4 粒子群優(yōu)化算法的研究綜述
3.4.5 與其他智能算法的比較分析
3.4.6 粒子群算法存在的問(wèn)題
3.4.7 粒子群優(yōu)化算法小結(jié)
第4章 基于模擬退火的Hopfield網(wǎng)絡(luò)優(yōu)化研究
4.1 基于Hopfield反饋網(wǎng)絡(luò)的優(yōu)化策略
4.1.1 Hopfield反饋網(wǎng)絡(luò)優(yōu)化的原理
4.1.2 基于Hopfield網(wǎng)絡(luò)模型優(yōu)化的程
4.1.3 基于Hopfield網(wǎng)絡(luò)模型優(yōu)化的缺陷
4.2 SA-HNN混合算法的提出
4.3 SA-HNN混合算法的分析與設(shè)計(jì)
4.4 SA-HNN混合算法實(shí)現(xiàn)步驟及整體流程圖
4.4.1 SA-HNN~jE合算法函數(shù)優(yōu)化實(shí)現(xiàn)步驟
4.4.2 SA-HNN§合算法解決組合優(yōu)化的具體步驟
4.4.3 SA-HNN￡合算法實(shí)現(xiàn)組合優(yōu)化整體流程圖
4.5 SA-HNN混合算法在函數(shù)優(yōu)化中的案例分析
4.6 SA-HNN混合算法在組合優(yōu)化中的案例分析
4.6.1 1行商問(wèn)題(1\"SP)描述
4.6.2 用SA-HNN算法解決TSP問(wèn)題
4.7 SA-HNN混合算法仿真程序?qū)崿F(xiàn)
4.8 SA-HNN算法在組合優(yōu)化中的參數(shù)分析與收斂性
4.8.1 SA-HNN'il尤化算法的參數(shù)分析
4.8.2 SA-HNN優(yōu)化算法的收斂性
第5章 粒子群優(yōu)化算法的研究
5.1 粒子群優(yōu)化存在的問(wèn)題和分析
5.1.1 粒子群優(yōu)化算法中存在的問(wèn)題
5.1.2 粒子群優(yōu)化算法的分析
5.2 基于混沌的自適應(yīng)粒子群全局優(yōu)化方法
5.2.1 混沌粒子群算法基本思想
5.2.2 一種基于混沌的自適應(yīng)粒子群優(yōu)化算法
5.2.3 數(shù)值仿真實(shí)驗(yàn)
5.2.4 小結(jié)
5.3 基于混沌的彈性粒子群全局優(yōu)化算法
5.3.1 優(yōu)化算法分析
5.3.2 彈性處理粒子速度
5.3.3 基于混沌的彈性粒子群全局優(yōu)化算法流程
5.3.4 仿真研究
5.3.5 小結(jié)
5.4 基于梯度的彈性粒子群全局優(yōu)化方法
5.4.1 梯度法
5.4.2 早熟收斂程度評(píng)價(jià)與自適應(yīng)調(diào)整策略
5.4.3 一種基于梯度的彈性粒子群優(yōu)化算法流程
5.4.4 數(shù)值實(shí)驗(yàn)和結(jié)果分析
5.4.5 小結(jié)
5.5 三種算法的比較分析
5.6 本章小結(jié)
第6章 填充函數(shù)方法的研究
6.1 填充函數(shù)方法
6.2 一類(lèi)無(wú)參數(shù)填充函數(shù)的構(gòu)造與性質(zhì)
6.2.1 無(wú)參數(shù)填充函數(shù)的構(gòu)造與填充性質(zhì)
6.2.2 參數(shù)填充函數(shù)的全局優(yōu)化算法
6.3 基于混沌和填充函數(shù)的全局優(yōu)化算法
6.3.1 算法分析
6.3.2 基于混沌和填充函數(shù)的全局優(yōu)化算法
6.3.3 數(shù)值實(shí)驗(yàn)
6.3.4 小結(jié)
6.4 本章總結(jié)
第7章 結(jié)論與展望
參考文獻(xiàn)
索引