离散粒子群优化算法及其应用

离散粒子群优化算法及其应用
出版时间：2012年版
内容简介
　　《离散粒子群优化算法及其应用》主要阐述离散粒子群优化（discrete particle swarmoptimization，DPS0）算法的具体构建及其在各种组合优化问题中的应用等。《离散粒子群优化算法及其应用》分为11章，各章节内容具体安排如下：第1章主要介绍了基本PSO算法的原理机制及其发展现状，并着重介绍了PSO算法的三种常见离散化策略，阐述了DPSO算法的应用成果；第2章主要介绍了PSO算法在TSP优化问题中的应用；第3章介绍了一种基于表现型共享函数的多目标粒子群优化算法及其在多工作流调度问题中的应用；第4章介绍了一种求解多目标最小生成树问题的改进计数算法，并详细阐述了一种用于求解多目标最小生成树问题的新型DPs0算法的具体设计过程；第5章主要介绍了PSO算法在入侵检测数据特征选择中的应用；第6章重点阐述了PSO算法在入侵检测系统异常检测和误用检测中的具体应用；第7章分别阐述了PSO算法在网络安全态势感知中态势要素获取、理解以及预测等各步骤中的应用；第8章主要介绍了PSO算法在异构集群数据流分配问题中的应用；第9．章主要讨论了无线传感器网络中基于PSO的拓扑生成及其容错拓扑控制机制，详细介绍了各种算法的具体设计过程；第10章重点阐述了基于PSO算法的无线传感器网络任务调度策略的设计；第11章分别阐述了PSO算法在超大规模集成电路物理设计中的电路划分和布图／布局规划优化问题中的具体应用。《离散粒子群优化算法及其应用》主要面向计算机科学、自动化科学、管理科学、控制科学等相关学科专业高年级本科生、研究生以及广大研究计算智能的科技工作者。
目录
第1章 绪论
1.1 引言
1.2 基本粒子群优化算法
1.2.1 粒子群优化算法的基本原理
1.2.2 基本粒子群优化算法模型
1.2.3 基本粒子群优化算法流程
1.2.4 参数分析与设置
1.3 粒子群优化算法的改进综述
1.3.1 基于惯性权值的改进
1.3.2 基于加速因子的改进
1.3.3 基于邻近群拓扑的改进
1.3.4 基于种群规模的改进
1.3.5 混合粒子群优化算法
1.4 粒子群优化算法的机理研究
1.5 粒子群优化算法的应用研究
1.6 离散粒子群优化算法
1.6.1 将速度作为位置变化的概率
1.6.2 直接将连续PSO用于离散问题的求解
1.6.3 重新定义PSO算法操作算子
1.7 DPSO算法应用
1.8 DPSO算法研究展望
参考文献
第2章 在P问题中的应用
2.1 引言
2.2 求解TSF问题的自适应粒子群优化算法
2.2.1 离散.PSO算法
2.2.2 求解TSP问题的PSO算法设计
2.2.3 惯性权值在离散PSO算法中的作用
2.2.4 实验结果与分析
2.3 求解TSP问题的动态领域PSO算法
2.3.1 相关概念
2.3.2 TSP问题的PSO操作
2.3.3 动态领域PSO算法的设计
2.3.4 实验结果及分析
2.4 求解TSP问题的PSO一ACO算法
2.4.1 模拟进化的蚁群算法
2.4.2 PSO-ACO算法的设计思想及总体框架
2.4.3 实验结果与分析
参考文献
第3章 在多工作流调度中的应用
3.1 引言
3.2 问题描述
3.2.1 多目标优化问题
3.2.2 求解多目标优化问题的基本方法
3.3 多目标工作流调度问题
3.4 基于表现型共享的多目标粒子群优化算法
3.4.1 基于表现型共享的适应度函数
3.4.2 算法的基本模型
3.4.3 算法步骤
3.4.4 算例测试与结果分析
3.5 求解多目标工作流调度问题的离散粒子群优化算法
3.5.1 算法基本模型
3.5.2 算法主要步骤
3.5.3 实验结果
参考文献
第4章 在多目标最小生成树问题中的应用
4.1 引言
4.2 问题模型
4.2.1 MST问题
4.2.2 mc-MST问题
4.3 改进的计数算法
4.4 求解mc-MST问题的NDPSO算法
4.4.1 粒子的编码机制
4.4.2 粒子的适应度函数
4.4.3 粒子的更新公式
4.4.4 算法描述
4.4.5 收敛性分析
4.5 实验结果与分析
4.5.1 测试问题
4.5.2 结果与分析
参考文献
第5章 在入侵检测数据特征选择中的应用
5.1 引言
5.2 特征选择
5.3 基于PSO和相关性分析的特征选择算法
5.3.1 粒子编码模式
5.3.2 适应度函数
5.3.3 参数设置
5.3.4 算法描述
5.3.5 实验结果与分析
5.4 基于PSo和邻域约简模型的特征选择算法
5.4.1 邻域粗糙集
5.4.2 算法的具体设计
5.4.3 仿真实验
5.5 基于PSO和云模型的特征选择算法
5.5.1 云的概念
5.5.2 云的对象隶属度计算
5.5.3 算法的具体设计
5.5.4 实验结果与分析
参考文献
第6章 在入侵检测系统中的应用
6.1 引言
6.2 基于连续粒子群分类算法的误用检测
6.2.1 目前入侵检测产品存在的缺陷
6.2.2 分类算法
6.2.3 基于连续粒子群的分类算法
6.3 基于否定选择算法的异常检测
6.3.1 基于异常的入侵检测系统的缺陷
6.3.2 人工免疫与否定选择算法
6.3.3 修改的否定选择算法
6.4 混合的网络入侵检测引擎
6.4.1 引入混合方式的目的
6.4.2 混合方式
6.4.3 混合的入侵检测引擎的整体结构
6.4.4 仿真实验
参考文献
第7章 在网络安全态势感知中的应用
7.1 引言
7.2 基于PSO-FNN的安全态势感知要素提取算法
7.2.1 相关算法
7.2.2 基于PSO-FNN的安全态势要素提取模型
7.2.3 基于PSO-FNN的安全态势要素提取方法
7.2.4 仿真实验与结果分析
7.3 基于PSO-BPNN的安全态势预测算法
7.3.1 基于PSO-BPNN的网络安全态势预测模型
7.3.2 基于PSO-BPNN网络安全态势预测方法
7.3.3 仿真实验
7.4 网络安全系统中的组态势感知研究
7.4.1 个体态势感知与组态势感知
7.4.2 基于PSO的聚类分析实验设计
7.4.3 算法流程
7.4.4 仿真实验
参考文献
第8章 在异构集群数据流分配中的应用
8.1 引言
8.2 数据流分配算法
8.3 基于PSO的异构集群数据流自适应分配策略
8.3.1 问题建模
8.3.2 带动态反馈机制的数据流自适应分配模型
8.3.3 改进的粒子群优化算法
8.3.4 仿真实验结果与分析
8.4 动态联盟思想的引入
8.4.1 动态联盟思想
8.4.2 问题建模
8.4.3 算法描述
8.4.4 算法仿真与结果分析
参考文献
第9.章 在WSN拓扑控制中的应用
9.1 引言
9.2 基于度约束最小生成树的wSN分布式拓扑控制
9.2.1 网络模型与问题描述
9.2.2 求解dc—MsT问题的DPSO
9.2.3 分布式拓扑控制方案
9.2.4 仿真实验
9.3 基于二连通的WSN拓扑控制方案
9.3.1 网络模型及问题描述
9.3.2 求解wSN二连通拓扑结构的DPSO算法
9.3.3 仿真实验
9.4 基于K一连通问题的wSN拓扑控制方案
9.4.1 相关工作
9.4.2 相关定义
9.4.3 集中式的KTCPSO算法描述
9.4.4 分布式KLPSO算法描述
9.4.5 算法的时间复杂度分析
9.4.6 仿真实验
参考文献
第10章 在WSN任务调度中的应用
10.1 引言
10.2 任务调度相关概念
10.3 WSN任务分配动态联盟模型及其算法
10.3.1 问题描述
10.3.2 任务分配动态联盟模型的构建
10.3.3 求解动态联盟模型的PSO算法
10.3.4 实验结果与分析
10.4 带多Agent的wSN自适应任务调度策略
10.4.1 多Agent系统
10.4.2 基于多Agent的无线传感器网络体系结构及系统模型
10.4.3 基于多Agent的无线传感器网络自适应任务调度策略
10.4.4 仿真实验与结果分析
10.5 基于串行联盟的动态任务分配算法
10.5.1 串行联盟思想的引入
10.5.2 基于DPSO的联盟形成算法
10.5.3 基于串行联盟的任务分配体系结构
10.5.4 仿真实验
10.6 基于并行联盟的动态任务分配算法
10.6.1 引言
10.6.2 并行联盟概述
10.6.3 基于并行联盟的任务分配算法
10.6.4 基于并行联盟的任务分配体系结构
10.6.5 仿真实验
参考文献
第1l章 在VLSI物理设计中的应用
11.1 引言
11.2 VLSI设计概述
11.2.1 VLSI设计流程
11.2.2 物理设计过程
11.3 单目标电路划分的离散PSO算法
11.3.1 相关工作
11.3.2 问题模型
11.3.3 算法描述
11.3.4 实验结果分析
11.4 单目标电路划分的混合PSO算法
11.4.1 算法的具体设计过程
11.4.2 实验结果与分析
11.5 多目标电路划分的离散：PSO算法
11.5.1 相关工作
11.5.2 多目标划分问题模型
11.5.3 基于DPSO框架下的多目标划分算法
11.5.4 实验结果与分析
11.6 解决布图规划的DPSO算法
11.6.1 VLSI布图模式与相关工作
11.6.2 问题描述
11.6.3 算法描述
11.6.4 实验结果与分析
11.7 解决布图规划的多目标PSO算法
11.7.1 采用整数序列编码的布图规划算法
11.7.2 采用序列对编码的布图规划算法
11.8 解决布图规划的协同多目标PSO算法
11.8.1 协同多目标算法概述
11.8.2 解决布图规划问题的协同多目标PSO算法
11.8.3 实验结果分析
参考文献