Python智能優(yōu)化算法：從原理到代碼實現(xiàn)與應(yīng)用
定 價：59.8 元
- 作者：范旭
- 出版時間：2022/8/1
- ISBN：9787121441479
- 出 版 社：電子工業(yè)出版社
- 中圖法分類：TP311.561
- 頁碼：280
- 紙張：
- 版次：01
- 開本：16開
本書以理論結(jié)合應(yīng)用為指導(dǎo)思想，以智能優(yōu)化算法為對象，以Python為開發(fā)語言，主要講解智能優(yōu)化算法的基本原理、代碼實現(xiàn)、應(yīng)用案例和性能測試。本書輕理論，重實踐，目的是使讀者能夠迅速地入門并掌握智能優(yōu)化算法及其Python代碼實現(xiàn)的相關(guān)技巧，并在后續(xù)的學(xué)術(shù)研究和工程實踐中加以應(yīng)用。本書分為12章，第1章～第10章分別介紹10種智能優(yōu)化算法（黏菌算法、人工蜂群算法、蝗蟲優(yōu)化算法、蝴蝶優(yōu)化算法、飛蛾撲火優(yōu)化算法、海鷗優(yōu)化算法、麻雀搜索算法、鯨魚優(yōu)化算法、黃金正弦算法、教與學(xué)優(yōu)化算法）的基本原理、Python代碼實現(xiàn)、應(yīng)用案例；第11章、第12章介紹智能優(yōu)化算法的基準測試集和性能測試。本書取材新穎、案例豐富、通俗易懂，可作為廣大高校本科生、研究生的學(xué)習(xí)用書，也可作為廣大科研人員、學(xué)者、工程技術(shù)人員的參考用書。
范旭， 本碩畢業(yè)于西南交通大學(xué)。 從事算法工作5年之久，先后就職于全球領(lǐng)先半導(dǎo)體封裝設(shè)備公司以及芯片設(shè)計公司。曾任職圖像算法工程師，圖形芯片架構(gòu)/算法工程師。對人工智能，優(yōu)化算法，圖像算法等領(lǐng)域有深入的研究。
目 錄
第1章 黏菌算法及其Python實現(xiàn) 1
1.1 黏菌算法的基本原理 1
1.1.1 接近食物階段 1
1.1.2 包圍食物階段 2
1.1.3 抓取食物階段 2
1.1.4 黏菌算法流程 3
1.2 黏菌算法的Python實現(xiàn) 4
1.2.1 種群初始化 4
1.2.2 適應(yīng)度函數(shù) 5
1.2.3 邊界檢查和約束函數(shù) 6
1.2.4 黏菌算法代碼 7
1.3 黏菌算法的應(yīng)用案例 10
1.3.1 求解函數(shù)極值 10
1.3.2 基于黏菌算法的壓力容器
設(shè)計 12
1.3.3 基于黏菌算法的三桿桁架
設(shè)計 15
1.3.4 基于黏菌算法的拉壓彈簧
設(shè)計 18
參考文獻 21
第2章 人工蜂群算法及其Python
實現(xiàn) 22
2.1 人工蜂群算法的基本原理 22
2.1.1 種群初始化 23
2.1.2 引領(lǐng)蜂搜索 24
2.1.3 跟隨蜂搜索 24
2.1.4 偵察蜂搜索 25
2.1.5 人工蜂群算法流程 25
2.2 人工蜂群算法的Python實現(xiàn) 26
2.2.1 種群初始化 26
2.2.2 適應(yīng)度函數(shù) 28
2.2.3 邊界檢查和約束函數(shù) 28
2.2.4 輪盤賭策略 29
2.2.5 人工蜂群算法代碼 30
2.3 人工蜂群算法的應(yīng)用案例 34
2.3.1 求解函數(shù)極值 34
2.3.2 基于人工蜂群算法的壓力
容器設(shè)計 36
2.3.3 基于人工蜂群算法的三桿
桁架設(shè)計 39
2.3.4 基于人工蜂群算法的拉壓
彈簧設(shè)計 42
參考文獻 45
第3章 蝗蟲優(yōu)化算法及其Python
實現(xiàn) 46
3.1 蝗蟲優(yōu)化算法的基本原理 46
3.1.1 蝗蟲優(yōu)化算法數(shù)學(xué)模型 46
3.1.2 社會相互作用力 47
3.1.3 蝗蟲優(yōu)化算法流程 50
3.2 蝗蟲優(yōu)化算法的Python實現(xiàn) 50
3.2.1 種群初始化 50
3.2.2 適應(yīng)度函數(shù) 52
3.2.3 邊界檢查和約束函數(shù) 52
3.2.4 社會相互作用力函數(shù) 53
3.2.5 蝗蟲優(yōu)化算法代碼 54
3.3 蝗蟲優(yōu)化算法的應(yīng)用案例 57
3.3.1 求解函數(shù)極值 57
3.3.2 基于蝗蟲優(yōu)化算法的壓力
容器設(shè)計 59
3.3.3 基于蝗蟲優(yōu)化算法的三桿
桁架設(shè)計 62
3.3.4 基于蝗蟲優(yōu)化算法的拉壓彈
簧設(shè)計 65
參考文獻 68
第4章 蝴蝶優(yōu)化算法及其Python
實現(xiàn) 69
4.1 蝴蝶優(yōu)化算法的基本原理 69
4.1.1 蝴蝶的香味 69
4.1.2 蝴蝶的移動與迭代 70
4.1.3 蝴蝶優(yōu)化算法流程 71
4.2 蝴蝶優(yōu)化算法的Python實現(xiàn) 72
4.2.1 種群初始化 72
4.2.2 適應(yīng)度函數(shù) 73
4.2.3 邊界檢查和約束函數(shù) 74
4.2.4 蝴蝶優(yōu)化算法代碼 75
4.3 蝴蝶優(yōu)化算法的應(yīng)用案例 77
4.3.1 求解函數(shù)極值 77
4.3.2 基于蝴蝶優(yōu)化算法的壓力容
器設(shè)計 80
4.3.3 基于蝴蝶優(yōu)化算法的三桿
桁架設(shè)計 83
4.3.4 基于蝴蝶優(yōu)化算法的拉壓彈
簧設(shè)計 86
參考文獻 89
第5章 飛蛾撲火優(yōu)化算法及其Python
實現(xiàn) 90
5.1 飛蛾撲火優(yōu)化算法的基本
原理 90
5.1.1 飛蛾與火焰 90
5.1.2 飛蛾撲火行為 91
5.1.3 飛蛾撲火優(yōu)化算法流程 93
5.2 飛蛾撲火優(yōu)化算法的Python
實現(xiàn) 95
5.2.1 種群初始化 95
5.2.2 適應(yīng)度函數(shù) 96
5.2.3 邊界檢查和約束函數(shù) 97
5.2.4 飛蛾撲火優(yōu)化算法代碼 98
5.3 飛蛾撲火優(yōu)化算法的應(yīng)用
案例 100
5.3.1 求解函數(shù)極值 100
5.3.2 基于飛蛾撲火優(yōu)化算法的
壓力容器設(shè)計 103
5.3.3 基于飛蛾撲火優(yōu)化算法的
三桿桁架設(shè)計 106
5.3.4 基于飛蛾撲火優(yōu)化算法的
拉壓彈簧設(shè)計 109
參考文獻 112
第6章 海鷗優(yōu)化算法及其Python
實現(xiàn) 113
6.1 海鷗優(yōu)化算法的基礎(chǔ)原理 113
6.1.1 海鷗遷徙 113
6.1.2 海鷗攻擊獵物 114
6.1.3 海鷗優(yōu)化算法流程 114
6.2 海鷗優(yōu)化算法的Python實現(xiàn) 115
6.2.1 種群初始化 115
6.2.2 適應(yīng)度函數(shù) 117
6.2.3 邊界檢查和約束函數(shù) 117
6.2.4 海鷗優(yōu)化算法代碼 118
6.3 海鷗優(yōu)化算法的應(yīng)用案例 121
6.3.1 求解函數(shù)極值 121
6.3.2 基于海鷗優(yōu)化算法的壓力
容器設(shè)計 123
6.3.3 基于海鷗優(yōu)化算法的三桿
桁架設(shè)計 126
6.3.4 基于海鷗優(yōu)化算法的拉壓
彈簧設(shè)計 129
參考文獻 132
第7章 麻雀搜索算法及其Python
實現(xiàn) 133
7.1 麻雀搜索算法的基本原理 133
7.1.1 麻雀種群 133
7.1.2 發(fā)現(xiàn)者位置更新 134
7.1.3 加入者位置更新 134
7.1.4 遇險應(yīng)急的麻雀位置更新 134
7.1.5 麻雀搜索算法流程 135
7.2 麻雀搜索算法的Python實現(xiàn) 136
7.2.1 種群初始化 136
7.2.2 適應(yīng)度函數(shù) 137
7.2.3 邊界檢查和約束函數(shù) 138
7.2.4 麻雀搜索算法代碼 139
7.3 麻雀搜索算法的應(yīng)用案例 142
7.3.1 求解函數(shù)極值 142
7.3.2 基于麻雀搜索算法的壓力
容器設(shè)計 144
7.3.3 基于麻雀搜索算法的三桿
桁架設(shè)計 147
7.3.4 基于麻雀搜索算法的拉壓
彈簧設(shè)計 150
參考文獻 153
第8章 鯨魚優(yōu)化算法及其Python
實現(xiàn) 154
8.1 鯨魚優(yōu)化算法的基本原理 154
8.1.1 包圍獵物 154
8.1.2 氣泡網(wǎng)攻擊方式 155
8.1.3 尋找獵物 157
8.1.4 鯨魚優(yōu)化算法流程 158
8.2 鯨魚優(yōu)化算法的Python實現(xiàn) 159
8.2.1 種群初始化 159
8.2.2 適應(yīng)度函數(shù) 161
8.2.3 邊界檢查和約束函數(shù) 161
8.2.4 鯨魚優(yōu)化算法代碼 162
8.3 鯨魚優(yōu)化算法的應(yīng)用案例 165
8.3.1 求解函數(shù)極值 165
8.3.2 基于鯨魚優(yōu)化算法的壓力
容器設(shè)計 167
8.3.3 基于鯨魚優(yōu)化算法的三桿
桁架設(shè)計 170
8.3.4 基于鯨魚優(yōu)化算法的拉壓
彈簧設(shè)計 173
參考文獻 176
第9章 黃金正弦算法及其Python
實現(xiàn) 177
9.1 黃金正弦算法的基本原理 177
9.1.1 正弦函數(shù) 177
9.1.2 黃金分割 177
9.1.3 初始化 178
9.1.4 黃金分割系數(shù)計算 178
9.1.5 位置更新 179
9.1.6 黃金分割系數(shù)更新 179
9.1.7 黃金正弦算法流程 179
9.2 黃金正弦算法的Python實現(xiàn) 180
9.2.1 種群初始化 180
9.2.2 適應(yīng)度函數(shù) 182
9.2.3 邊界檢查和約束函數(shù) 182
9.2.4 黃金正弦算法代碼 183
9.3 黃金正弦算法的應(yīng)用案例 186
9.3.1 求解函數(shù)極值 186
9.3.2 基于黃金正弦算法的壓力
容器設(shè)計 189
9.3.3 基于黃金正弦算法的三桿
桁架設(shè)計 192
9.3.4 基于黃金正弦算法的拉壓
彈簧設(shè)計 195
參考文獻 198
第10章 教與學(xué)優(yōu)化算法及其Python
實現(xiàn) 199
10.1 教與學(xué)優(yōu)化算法的基本原理 199
10.1.1 教學(xué)階段 200
10.1.2 學(xué)習(xí)階段 200
10.1.3 教與學(xué)優(yōu)化算法流程 200
10.2 教與學(xué)優(yōu)化算法的Python
實現(xiàn) 202
10.2.1 種群初始化 202
10.2.2 適應(yīng)度函數(shù) 203
10.2.3 邊界檢查和約束函數(shù) 204
10.2.4 教與學(xué)優(yōu)化算法代碼 205
10.3 教與學(xué)優(yōu)化算法的應(yīng)用
案例 208
10.3.1 求解函數(shù)極值 208
10.3.2 基于教與學(xué)優(yōu)化算法的
壓力容器設(shè)計 210
10.3.3 基于教與學(xué)優(yōu)化算法的三桿
桁架設(shè)計 213
10.3.4 基于教與學(xué)優(yōu)化算法的
拉壓彈簧設(shè)計 216
參考文獻 219
第11章 智能優(yōu)化算法基準測試集 220
11.1 基準測試集簡介 220
11.2 基準測試函數(shù)繪圖與測試
函數(shù)代碼編寫 222
11.2.1 函數(shù)F1 222
11.2.2 函數(shù)F2 223
11.2.3 函數(shù)F3 224
11.2.4 函數(shù)F4 226
11.2.5 函數(shù)F5 227
11.2.6 函數(shù)F6 229
11.2.7 函數(shù)F7 230
11.2.8 函數(shù)F8 232
11.2.9 函數(shù)F9 234
11.2.10 函數(shù)F10 235
11.2.11 函數(shù)F11 237
11.2.12 函數(shù)F12 238
11.2.13 函數(shù)F13 240
11.2.14 函數(shù)F14 242
11.2.15 函數(shù)F15 244
11.2.16 函數(shù)F16 246
11.2.17 函數(shù)F17 248
11.2.18 函數(shù)F18 249
11.2.19 函數(shù)F19 251
11.2.20 函數(shù)F20 252
11.2.21 函數(shù)F21 254
11.2.22 函數(shù)F22 256
11.2.23 函數(shù)F23 258
第12章 智能優(yōu)化算法性能測試 260
12.1 智能優(yōu)化算法性能測試
方法 260
12.1.1 平均值 260
12.1.2 標準差 260
12.1.3 最優(yōu)值和最差值 261
12.1.4 收斂曲線 262
12.2 測試案例 262
12.2.1 測試函數(shù)信息 262
12.2.2 測試方法及參數(shù)設(shè)置 263
12.2.3 測試結(jié)果 263
書單推薦
