第1章绪论1

1.1引言1

1.2基本粒子群优化算法2

1.2.1粒子群优化算法的基本原理2

1.2.2基本粒子群优化算法模型3

1.2.3基本粒子群优化算法流程4

1.2.4参数分析与设置4

1.3粒子群优化算法的改进综述5

1.3.1基于惯性权值的改进6

1.3.2基于加速因子的改进8

1.3.3基于邻近群拓扑的改进9

1.3.4基于种群规模的改进10

1.3.5混合粒子群优化算法11

1.4粒子群优化算法的机理研究11

1.5粒子群优化算法的应用研究12

1.6离散粒子群优化算法13

1.6.1将速度作为位置变化的概率13

1.6.2直接将连续PSO用于离散问题的求解13

1.6.3重新定义PSO算法操作算子14

1.7DPSO算法应用15

1.8DPSO算法研究展望16

参考文献17

第2章在TSP问题中的应用22

2.1引言22

2.2求解TSP问题的自适应粒子群优化算法23

2.2.1离散PSO算法23

2.2.2求解TSP问题的PSO算法设计24

2.2.3惯性权值在离散PSO算法中的作用25

2.2.4实验结果与分析26

2.3求解TSP问题的动态领域PSO算法31

2.3.1相关概念31

2.3.2TSP问题的PSO操作33

2.3.3动态领域PSO算法的设计33

2.3.4实验结果及分析34

2.4求解TSP问题的PSO\|ACO算法35

2.4.1模拟进化的蚁群算法35

2.4.2PSO\|ACO算法的设计思想及总体框架40

2.4.3实验结果与分析40

参考文献41

第3章在多工作流调度中的应用43

3.1引言43

3.2问题描述44

3.2.1多目标优化问题44

3.2.2求解多目标优化问题的基本方法47

3.3多目标工作流调度问题49

3.4基于表现型共享的多目标粒子群优化算法50

3.4.1基于表现型共享的适应度函数50

3.4.2算法的基本模型51

3.4.3算法步骤52

3.4.4算例测试与结果分析52

3.5求解多目标工作流调度问题的离散粒子群优化算法60

3.5.1算法基本模型60

3.5.2算法主要步骤62

3.5.3实验结果62

参考文献71

第4章在多目标最小生成树问题中的应用73

4.1引言73

4.2问题模型74

4.2.1MST问题74

4.2.2mc\|MST问题74

4.3改进的计数算法75

4.4求解mc\|MST问题的NDPSO算法81

4.4.1粒子的编码机制81

4.4.2粒子的适应度函数82

4.4.3粒子的更新公式83

4.4.4算法描述83

4.4.5收敛性分析84

4.5实验结果与分析86

4.5.1测试问题86

4.5.2结果与分析87

参考文献89

第5章在入侵检测数据特征选择中的应用90

5.1引言90

5.2特征选择91

5.3基于PSO和相关性分析的特征选择算法92

5.3.1粒子编码模式92

5.3.2适应度函数92

5.3.3参数设置93

5.3.4算法描述93

5.3.5实验结果与分析94

5.4基于PSO和邻域约简模型的特征选择算法96

5.4.1邻域粗糙集97

5.4.2算法的具体设计98

5.4.3仿真实验99

5.5基于PSO和云模型的特征选择算法101

5.5.1云的概念102

5.5.2云的对象隶属度计算103

5.5.3算法的具体设计103

5.5.4实验结果与分析105

参考文献108

第6章在入侵检测系统中的应用110

6.1引言110

6.2基于连续粒子群分类算法的误用检测112

6.2.1目前入侵检测产品存在的缺陷112

6.2.2分类算法112

6.2.3基于连续粒子群的分类算法114

6.3基于否定选择算法的异常检测121

6.3.1基于异常的入侵检测系统的缺陷121

6.3.2人工免疫与否定选择算法121

6.3.3修改的否定选择算法124

6.4混合的网络入侵检测引擎133

6.4.1引入混合方式的目的133

6.4.2混合方式134

6.4.3混合的入侵检测引擎的整体结构135

6.4.4仿真实验137

参考文献138

第7章在网络安全态势感知中的应用141

7.1引言141

7.2基于PSO\|FNN的安全态势感知要素提取算法142

7.2.1相关算法142

7.2.2基于PSO\|FNN的安全态势要素提取模型144

7.2.3基于PSO\|FNN的安全态势要素提取方法144

7.2.4仿真实验与结果分析147

7.3基于PSO\|BPNN的安全态势预测算法151

7.3.1基于PSO\|BPNN的网络安全态势预测模型151

7.3.2基于PSO\|BPNN网络安全态势预测方法152

7.3.3仿真实验152

7.4网络安全系统中的组态势感知研究155

7.4.1个体态势感知与组态势感知155

7.4.2基于PSO的聚类分析实验设计156

7.4.3算法流程157

7.4.4仿真实验157

参考文献159

第8章在异构集群数据流分配中的应用162

8.1引言162

8.2数据流分配算法163

8.3基于PSO的异构集群数据流自适应分配策略165

8.3.1问题建模165

8.3.2带动态反馈机制的数据流自适应分配模型166

8.3.3改进的粒子群优化算法167

8.3.4仿真实验结果与分析170

8.4动态联盟思想的引入173

8.4.1动态联盟思想174

8.4.2问题建模174

8.4.3算法描述176

8.4.4算法仿真与结果分析179

参考文献182

第9章在WSN拓扑控制中的应用184

9.1引言184

9.2基于度约束最小生成树的WSN分布式拓扑控制185

9.2.1网络模型与问题描述186

9.2.2求解dc\|MST问题的DPSO187

9.2.3分布式拓扑控制方案189

9.2.4仿真实验190

9.3基于二连通的WSN拓扑控制方案192

9.3.1网络模型及问题描述193

9.3.2求解WSN二连通拓扑结构的DPSO算法195

9.3.3仿真实验196

9.4基于k\|连通问题的WSN拓扑控制方案197

9.4.1相关工作199

9.4.2相关定义200

9.4.3集中式的KTCPSO算法描述200

9.4.4分布式KLPSO算法描述202

9.4.5算法的时间复杂度分析203

9.4.6仿真实验203

参考文献205

第10章在WSN任务调度中的应用208

10.1引言208

10.2任务调度相关概念210

10.3WSN任务分配动态联盟模型及其算法211

10.3.1问题描述211

10.3.2任务分配动态联盟模型的构建212

10.3.3求解动态联盟模型的PSO算法213

10.3.4实验结果与分析216

10.4带多Agent的WSN自适应任务调度策略221

10.4.1多Agent系统221

10.4.2基于多Agent的无线传感器网络体系结构及系统模型221

10.4.3基于多Agent的无线传感器网络自适应任务调度策略225

10.4.4仿真实验与结果分析227

10.5基于串行联盟的动态任务分配算法228

10.5.1串行联盟思想的引入228

10.5.2基于DPSO的联盟形成算法230

10.5.3基于串行联盟的任务分配体系结构232

10.5.4仿真实验233

10.6基于并行联盟的动态任务分配算法238

10.6.1引言238

10.6.2并行联盟概述239

10.6.3基于并行联盟的任务分配算法240

10.6.4基于并行联盟的任务分配体系结构243

10.6.5仿真实验244

参考文献249

第11章在VLSI物理设计中的应用252

11.1引言252

11.2VLSI 设计概述253

11.2.1VLSI设计流程253

11.2.2物理设计过程254

11.3单目标电路划分的离散PSO算法255

11.3.1相关工作255

11.3.2问题模型255

11.3.3算法描述256

11.3.4实验结果分析260

11.4单目标电路划分的混合PSO算法263

11.4.1算法的具体设计过程263

11.4.2实验结果与分析266

11.5多目标电路划分的离散PSO算法269

11.5.1相关工作269

11.5.2多目标划分问题模型270

11.5.3基于DPSO框架下的多目标划分算法271

11.5.4实验结果与分析274

11.6解决布图规划的DPSO算法276

11.6.1VLSI布图模式与相关工作276

11.6.2问题描述277

11.6.3算法描述278

11.6.4实验结果与分析281

11.7解决布图规划的多目标PSO算法282

11.7.1采用整数序列编码的布图规划算法282

11.7.2采用序列对编码的布图规划算法284

11.8解决布图规划的协同多目标PSO算法288

11.8.1协同多目标算法概述288

11.8.2解决布图规划问题的协同多目标PSO算法291

11.8.3实验结果分析293

参考文献296