第1章绪论

1.1引言

1.2优化问题

1.2.1局部优化方法

1.2.2全局优化的特点与困难

1.3群智能算法

1.3.1粒子群算法

1.3.2蚁群算法

1.3.3人工鱼群算法

1.3.4布谷鸟搜索算法

1.3.5萤火虫算法

参考文献

第2章自适应粒子群优化算法模型

2.1基本粒子群优化算法

2.1.1粒子群优化原理

2.1.2粒子群优化流程

2.1.3粒子群局部模型与全局模型

2.2粒子群优化算法分析

2.2.1粒子群优化模型分析

2.2.2粒子群的惯性权重分析

2.2.3粒子群优化算法行为分析

2.3自适应粒子群优化模型

2.3.1粒子群的早熟收敛

2.3.2粒子群的多样性量度

2.3.3自适应优化策略

2.3.4自适应粒子群优化

参考文献

第3章随机自适应粒子群优化算法

3.1背包问题

3.2搜索空间及其转换

3.2.1等值变换与异值变换

3.2.2变换序列

3.3随机自适应粒子群优化算法模型

3.3.1随机惯性权重

3.3.2早熟收敛及其处理

3.3.3RIWAPSO算法构造

3.3.4实验结果及其分析

3.4其他背包问题求解

参考文献

第4章自适应启发式粒子群优化算法

4.1旅行商问题

4.2自适应启发式搜索

4.2.1启发式搜索策略

4.2.22opt算法

4.3自适应启发式粒子群优化算法模型

4.3.1交换子和交换序列

4.3.2粒子速度和位置

4.3.3AHPSO算法构造

4.3.4实验结果及其分析

参考文献

第5章自适应广义粒子群优化算法

5.1广义粒子群优化思想

5.2下料问题

5.2.1下料问题数学模型

5.2.2下料问题解编码方案

5.2.3下料模式

5.3自适应广义粒子群优化算法模型

5.3.1模拟退火算法

5.3.2修补算法

5.3.3AGPSO算法实现

5.3.4启发式改进策略

5.4实验结果及其分析

5.4.1单规格一维下料问题

5.4.2多规格一维下料问题

参考文献

第6章自适应耗散粒子群优化算法

6.1耗散结构

6.2耗散粒子群优化

6.3自适应耗散粒子群优化算法模型

6.3.1种群聚集度

6.3.2自适应变异

6.3.3算法构造

6.3.4实验结果及其分析

参考文献

第7章自适应动态粒子群优化算法

7.1热力学系统与熵增原理

7.1.1热力学系统及其平衡态

7.1.2熵和熵增原理

7.1.3自由能极小化原理

7.2自适应动态粒子群优化算法模型

7.2.1粒子动态选择策略

7.2.2自适应搜索策略

7.2.3ADPSO算法构造

7.2.4实验结果及其分析

参考文献

附录A按Pisinger算法构造的KP1算例

附录B按Pisinger算法构造的KP2算例

附录C按Pisinger算法构造的KP3算例

附录DKP4算例