混合免疫智能算法理论及应用出版时间:2014年版内容简介 《混合免疫智能算法理论及应用》在全面总结国内外的混合免疫智能算法及其应用成果的基础上,着重介绍作者在混合免疫智能算法理论及应用这一领域的研究成果,主要包括竞争合作性协同免疫进化算法模型设计、算法分析与实验;免疫双态粒子群计算模型构建、算法分析与实验;免疫协同粒子群算法模型构建、算法分析与实验;免疫蚁群自适应融合算法设计及实验分析;以及混合免疫智能算法在复杂工业控制系统中的应用研究,如基于混合免疫智能算法的混沌系统自抗扰优化控制和基于混合免疫智能算法的永磁同步电机多参数辨识与状态监测等实际工业应用。本书为读者提供了混合免疫智能集成计算模型构建、算法设计、理论分析、算法编程和工程实际应用等新方法、新技术、新思路。目录第1章 绪论1.1 人工免疫系统的研究概况1.1.1 生物免疫系统1.1.2 人工免疫系统1.1.3 人工免疫算法1.2 混合免疫智能算法研究概况1.2.1 典型混合免疫智能计算模型1.2.2 混合免疫智能算法应用研究进展1.3 现有混合免疫智能算法存在的主要问题及解决途径1.3.1 混合免疫智能算法理论研究的缺陷及解决思路1.3.2 混合免疫智能算法应用研究的局限及拓展1.4 背景与意义1.5 内容安排第2章 竞争合作型协同免疫进化算法2.1 引言2.2 竞争合作协同免疫进化模型2.2.1 基于生态种群密度的种群竞争操作2.2.2 群体协同合作操作2.3 种群内部免疫优势克隆选择操作2.3.1 抗体局部最优免疫优势算子2.3.2 基于信息熵的种群多样性控制2.3.3 种群内部抗体克隆选择操作2.4 算法流程及其收敛性能分析2.4.1 竞争合作型协同免疫进化算法步骤2.4.2 收敛性分析2.4.3 时间复杂度分析2.5 实验仿真2.5.1 三种不同形式ICA算法性能比较2.5.2 CCCICA与其他免疫克隆选择算法的性能比较2.5.3 CCCICA与其他智能算法的性能比较2.6 本章小结第3章 免疫双态粒子群算法3.1 引言3.2 粒子群算法优化原理3.3 免疫双态粒子群算法3.3.1 双态粒子群算法机理3.3.2 精英粒子局部增强学习算子3.3.3 粒子免疫优化3.4 IBPSO算法流程及性能分析3.4.1 算法IBPSO流程3.4.2 算法性能及收敛性分析3.5 仿真实验及分析3.5.1 BPSO(双模态粒子群)比例参数3.5.2 算法精度比较3.5.3 t-test测试比较3.5.4 高维函数实验3.5.5 多模态函数及多样性实验3.6 本章小结第4章 免疫协同粒子群算法4.1 引言4.2 免疫协同粒子群进化算法4.2.1 免疫协同粒子群进化模型4.2.2 普通种群混合免疫网络粒子群算法4.2.3 记忆库免疫进化4.3 协作操作4.3.1 个体极值小波学习4.3.2 优势抗体迁移与共享4.4 ICPSO算法流程4.5 实验仿真及分析4.5.1 算法精度比较4.5.2 算法计算复杂度比较4.5.3 算法t-test值比较4.5.4 相关参数及其算子分析4.5.5 动态性能测试4.5.6 ICPSO与IBPSO的性能比较4.6 本章小结第5章 免疫蚁群自适应融合算法5.1 引言5.2 蚁群算法优化机理5.3 基于统计学习的免疫融合蚁群算法(ACALA)5.3.1 带混沌扰动算子启发式蚁群算法5.3.2 MAX-MIN机制5.3.3 免疫操作搜索算子5.3.4 基于统计学习的自适应免疫蚁群融合算法5.3.5 ACALA算法收敛性分析及实验仿真5.4 免疫双态蚁群融合算法(BAIA)5.4.1 双态蚁群机理5.4.2 信息素的更新规则5.4.3 BAIA算法流程5.4.4 BAIA算法性能分析5.4.5 BAIA算法测试实验及分析5.5 本章小结第6章 基于混合免疫智能算法的混沌系统自抗扰优化控制6.1 引言6.2 自抗扰控制6.3 基于免疫双态粒子群算法的混沌系统自抗扰优化控制6.3.1 非线性混沌系统6.3.2 评价函数的选择6.3.3 混沌系统自抗扰优化控制系统结构图6.3.4 基于IBPSO算法的混沌系统ADRC优化控制算法流程6.3.5 实验6.4 基于IBPSO算法的混沌系统ADRC-CMAC并行优化控制6.4.1 CMAC结构6.4.2 ADRC与CMAC并行控制算法6.4.3 基于IBPSO的ADRC-CMAC优化设计流程6.4.4 实验6.5 本章小结第7章 基于混合免疫智能算法的永磁同步电机系统多参数辨识与状态监测7.1 引言7.2 PMSM数学模型7.3 基于免疫智能算法的永磁同步电机多参数辨识与温度监测模型7.3.1 基于ICPSO的永磁同步电机多参数辨识思想7.3.2 基于ICPSO的永磁同步电机多参数辨识与温度监测模型7.4 实验及分析7.4.1 实验方案与平台7.4.2 实验结果7.5 本章小结后记参考文献 上一篇: 微机控制技术 第二版 下一篇: PLC情境教学