《智能优化算法及其在机械工程中的应用》结合作者多年来在相关方面的科研和教学工作的积累，以较为通俗简练的语言详细地介绍了智能优化算法中的遗传算法、粒子群优化算法、差异演化算法、模拟植物生长算法和果蝇优化算法及其在机械工程中的应用，以期使读者能够尽快了解和掌握这些算法的基本理论和应用技术。
《智能优化算法及其在机械工程中的应用》可作为机械工程、系统科学、计算机应用以及其他一些相关专业的研究生及本科生教材，也可以供相关专业的工程技术与科研人员学习参考。
第1章 概述
1.1 群智能的基本概念
1.2 群智能思想的起源简介
1.3 群智能理论简介
1.4 演化算法简介
1.5 本书主要内容与安排
第2章 遗传算法及其应用
2.1 遗传算法的起源与发展简介
2.1.1 遗传算法的生物学基础
2.1.2 遗传算法的提出与发展简介
2.2 遗传算法的理论基础
2.2.1 遗传算法的基本原理
2.2.2 遗传算法的几个基本概念
2.2.3 遗传算法的基本算子和数学基础
2.3 遗传算法的实现
2.3.1 遗传算法的实现
2.3.2 遗传算法实现举例
2.4 遗传算法的特点与改进
2.4.1 遗传算法的特点
2.4.2 对简单遗传算法的一些改进
2.4.3 几种常见的遗传算法
2.4.4 遗传算法应用的几个关键问题
2.5 遗传算法在机械工程中的应用
2.5.1 基于遗传算法的bounc—wen迟滞非线性动力学模型的参数识别方法
2.5.2 基于遗传算法的圆柱齿轮变位系数的优化选择
2.5.3 基于遗传算法的机器人路径规划
第3章 粒子群优化算法及其应用
3.1 基本粒子群优化算法
3.1.1 粒子群优化算法的产生
3.1.2 基本粒子群优化算法
3.1.3 基本粒子群优化算法的参数选择
3.1.4 带惯性权重的粒子群优化算法
3.1.5 粒子群优化算法的控制参数分析
3.2 混沌粒子群优化算法
3.2.1 混沌的一些基本特点
3.2.2 混沌映射
3.2.3 基于群体适应度方差的混沌粒子群优化算法
3.3 无约束多目标粒子群优化算法
3.3.1 多目标优化问题的基本概念和术语
3.3.2 多目标优化问题的发展及其传统的解决方法
3.3.3 无约束多目标粒子群优化算法
3.4 约束多目标粒子群优化算法
3.4.1 约束优化问题
3.4.2 罚函数法
3.4.3 基于罚函数法的带约束条件的粒子群优化算法
3.5 基于极坐标的粒子群优化算法
3.5.1 基于极坐标的粒子群优化算法的数学描述
3.5.2 有关ppso算法的特点与讨论
3.5.3 基本粒子群优化算法和ppso算法的测试结果对比与讨论
3.6 带活力因子的粒子群优化算法
……
第4章 差异演化算法及其应用
第5章 模拟植物生长算法及其应用
第6章 果蝇优化算法及其应用
参考文献
致谢
4.精英策略
精英策略是一种保持最好个体的策略，这种策略总是把第2代的最好的个体保存到第t+l代，从而防止在选择过程中丢失最优解。人们通过单目标优化的数值试验发现精英策略可以使演化算法具有更好的收敛性。同样在多目标演化算法中，精英策略也起到了重要的作用。研究表明精英策略有助于多目标演化算法取得较好的收敛结果，为了保证多目标演化算法更好地收敛于Pareto最优解或近似解，运用精英策略的多目标演化算法，通常专门用一个辅助群体( secondary popula-tion，archive solutions set)来保存算法运行过程中的一定数量的非劣解个体。但精英策略的引入大大增加了算法的时间和空间的复杂度。
4.3.3 多目标中心差异演化算法
1.多目标中心差异演化算法的基本思想
自从20世纪80年代Schaffer对多目标演化算法的开创性工作以来，多目标演化算法吸引了越来越多的研究者的兴趣与研讨，并涌现出了大量成功的算法。早期的多目标演化算法研究主要集中在如何得到均匀分布的最优解或近似最优解，为此引入了许多策略，如小生境、适应值共享和限制交配等。而近年来随着研究和应用的深入，实际求解问题的复杂性对算法的各种性能等技术发展提出了新的挑战，围绕着如何进一步提高算法的性能这一课题，研究者提出了大量切实有效的新的或是改进的算法。精英保留策略作为第二代多目标演化算法的主要标志被这一时期的算法所广泛应用，自此多目标演化算法在收敛速度和稳定性等算法性能上得到了明显的改善。
尽管演化算法在求解多目标优化问题时取得了一系列的进展，但是必须注意到以下五个方面。
……
书单推荐
