蜂群算法原理及其應(yīng)用

第1章 緒論
1.1 最優(yōu)化方法
1.2 群體智能算法
1.2.1 概述
1.2.2 典型算法簡(jiǎn)介
1.3 人工蜂群算法的研究與應(yīng)用概述
1.4 本章小結(jié)
參考文獻(xiàn)
第2章 人工蜂群算法及其改進(jìn)
2.1 人工蜂群算法原理
2.2 人工蜂群算法的改進(jìn)
2.2.1 并行ABC算法
2.2.2 全維搜索ABC算法及其并行化
2.2.3 隨機(jī)多維人工蜂群算法
2.2.4 改進(jìn)多維搜索ABC算法
2.3 改進(jìn)人工蜂群算法的性能驗(yàn)證
2.4 本章小結(jié)
參考文獻(xiàn)
第3章 人工蜂群算法在物流調(diào)度中的應(yīng)用
3.1 物流調(diào)度問(wèn)題概述
3.2 基于并行化蜂群算法的單ETV調(diào)度策略
3.2.1 調(diào)度問(wèn)題描述
3.2.2 優(yōu)化算法的編碼策略
3.2.3 仿真驗(yàn)證
3.3 基于改進(jìn)人工蜂群算法的雙ETV調(diào)度策略
3.3.1 機(jī)場(chǎng)貨運(yùn)站雙ETV調(diào)度模型
3.3.2 基于改進(jìn)人工蜂群算法的雙ETV調(diào)度
3.4 基于差分進(jìn)化ABC算法的機(jī)器人路徑規(guī)劃
3.4.1 Bezier曲線
3.4.2 改進(jìn)ABC算法及其路徑規(guī)劃應(yīng)用
3.4.3 仿真驗(yàn)證
3.5 本章小結(jié)
參考文獻(xiàn)
第4章 人工蜂群算法在控制中的應(yīng)用
4.1 基于蜂群算法的直流電機(jī)PID控制器的優(yōu)化
4.1.1 直流電機(jī)建模
4.1.2 PID控制原理
4.1.3 基于人工蜂群算法的PID控制器優(yōu)化設(shè)計(jì)
4.2 基于ABC算法的分?jǐn)?shù)階PID控制器優(yōu)化
4.2.1 分?jǐn)?shù)階PID控制器原理
4.2.2 分?jǐn)?shù)階PID控制器優(yōu)化設(shè)計(jì)
4.3 基于蜂群算法的LQR控制器優(yōu)化設(shè)計(jì)
4.3.1 環(huán)形二級(jí)倒立擺
4.3.2 系統(tǒng)能控及能觀性分析
4.3.3 LQR控制器的設(shè)計(jì)
4.3.4 LQR控制器的優(yōu)化
4.4 本章小結(jié)
參考文獻(xiàn)
第5章 人工蜂群算法在數(shù)據(jù)挖掘中的應(yīng)用
5.1 數(shù)據(jù)分類(lèi)及相關(guān)算法
5.1.1 數(shù)據(jù)分類(lèi)
5.1.2 典型數(shù)據(jù)分類(lèi)策略
5.2 基于ABC算法的SVM分類(lèi)器優(yōu)化
5.2.1 SVM分類(lèi)原理
5.2.2 基于ABC算法的特征選擇和SVM同步優(yōu)化算法
5.2.3 實(shí)驗(yàn)驗(yàn)證
5.3 基于ABC算法的ELM分類(lèi)器優(yōu)化
5.3.1 ELM原理
5.3.2 多目標(biāo)ABC算法優(yōu)化ELM模型
5.3.3 仿真實(shí)驗(yàn)
5.4 集成學(xué)習(xí)算法及其蜂群算法優(yōu)化
5.4.1 概述
5.4.2 GBDT算法原理
5.4.3 XGBoost算法原理
5.4.4 LightGBM算法原理
5.4.5 集成學(xué)習(xí)算法的性能優(yōu)化
5.4.6 實(shí)驗(yàn)驗(yàn)證
5.5 聚類(lèi)及其優(yōu)化策略
5.5.1 聚類(lèi)算法概述
5.5.2 K-means算法概述
5.5.3 IABC算法優(yōu)化K-means聚類(lèi)
5.5.4 實(shí)驗(yàn)數(shù)據(jù)
5.5.5 對(duì)比實(shí)驗(yàn)結(jié)果
本章小結(jié)
參考文獻(xiàn)