灰狼優化算法
張新明,張艷娜
- 出版商: 電子工業
- 出版日期: 2025-09-01
- 售價: $456
- 語言: 簡體中文
- 頁數: 304
- ISBN: 712148403X
- ISBN-13: 9787121484032
-
相關分類:
Machine Learning
下單後立即進貨 (約4週~6週)
相關主題
商品描述
在人們的生活中，會遇到各式各樣的優化問題。如何快速高效地處理優化問題也成了當今優化領域內研究的重點。生物地理學優化(Biogeography-based optimization, BBO)算法是群智能優化算法之一，由美國學者Simon於2008年提出。經過10年的BBO相關研究雖然一定程度上改進了算法，並能夠很好地處理一些優化問題，但對於隨著社會的發展，面臨優化問題的復雜性和多樣性也在不斷提升，出現了更多更為復雜的多峰、非線性不可分優化問題，這些問題對優化方法的性能和效率發起了巨大挑戰。因此，BBO依然有著改進空間和研究潛力。目前國內出版的BBO相關研究專著並不多，已發表的BBO綜述性論文數量也很有限，且受版面限制等因素，這些綜述對BBO的介紹及原理解釋都不夠詳盡。本書以優化問題開篇，逐漸引入群智能優化算法的概念，由群智能優化算法逐步引入BBO，對BBO背景、原理、存在的缺陷及改進動機進行了詳細介紹，對BBO目前國內外研究現狀進行了綜述，對BBO各步驟代表性改進研究進行了簡述，並詳細描述了6項作者課題組對BBO的創新性改進研究。6項研究分別為"差分遷移和趨優變異的BBO算法(DGBBO)”、"差分變異和交叉遷移的BBO算法(DCBBO)”、"混合交叉的BBO算法(HCBBO)”、"高效融合的BBO算法(EMBBO)”、"GWO與BBO的混合算法(HBBOG)”和"SFLA與BBO的混合算法(HBBOS)”。在本書第4至9章內容中，描述了這些算法的原理，並通過大量基準函數實驗對比了當前最先進的算法，驗證對BBO的改進效果。在本書第4至9章內容中，解釋了這些算法的原理，並通過大量實驗對比了當前最先進的算法，驗證對BBO的改進效果。6種新算法均作為BBO改進算法，在邏輯關系上是並列且相互獨立的。最後在10-12章描改進的BBO在圖像分割上的應用。
目錄大綱
第 1 章 緒論 .................................................................................................. 1
1.1 優化問題概述 ........................................................................................................ 1
1.1.1 優化問題的分類 ......................................................................................... 1
1.1.2 優化方法概述 ............................................................................................. 2
1.2 群智能優化算法 .................................................................................................... 4
1.2.1 群智能優化算法概述 ................................................................................. 4
1.2.2 國內外研究現狀 ......................................................................................... 7
1.3 代表性的群智能優化算法 .................................................................................... 8
1.3.1 PSO算法 ...................................................................................................... 9
1.3.2 DE算法 ...................................................................................................... 10
1.3.3 ABC算法 ................................................................................................... 12
1.3.4 CS算法 ...................................................................................................... 14
1.3.5 WOA算法 .................................................................................................. 15
1.3.6 COA算法 ................................................................................................... 17
1.4 實驗環境配置 ...................................................................................................... 19
1.5 算法評價標準 ...................................................................................................... 19
1.6 所用參數標識 ...................................................................................................... 21
參考文獻 ....................................................................................................................... 23
第 2 章 GWO 算法概述 ............................................................................... 26
2.1 GWO算法的原理 ................................................................................................. 26
2.2 GWO算法的數學模型......................................................................................... 27
2.3 GWO算法的優勢與局限性 ................................................................................ 29
2.4 本章小結 .............................................................................................................. 30
參考文獻 ....................................................................................................................... 31
第 3 章 反向學習和差分變異的 GWO 算法 ................................................. 32
3.1 引言 ...................................................................................................................... 32
3.2 最優最差反向學習策略 ...................................................................................... 32
3.3 動態隨機差分變異策略 ...................................................................................... 34
3.4 單維和全維分段操作 .......................................................................................... 35
3.5 ODGWO算法的流程 ........................................................................................... 36
3.6 仿真實驗及結果分析 .......................................................................................... 36
3.6.1 測試函數 ................................................................................................... 37
3.6.2 對比算法和參數設置 ............................................................................... 37
3.6.3 ODGWO算法與其他算法在30維和50維函數上的對比結果 ............... 38
3.6.4 ODGWO算法與其他算法在1 000維基準函數上的對比結果 .............. 42
3.6.5 ODGWO算法與其他算法的平均運行時間對比及其計算復雜度分析
................................................................................................................... 44
3.6.6 ODGWO算法與其他算法的Wilcoxon符號秩檢驗對比結果 ................ 45
3.6.7 ODGWO算法與其他對比算法的Friedman檢驗對比結果 .................... 46
3.7 本章小結 .............................................................................................................. 47
參考文獻 ....................................................................................................................... 47
第 4 章 隨機反向學習和 MEPD 的強化等級制度的 GWO 算法 ................... 49
4.1 引言 ...................................................................................................................... 49
4.2 強化狼群等級制度 .............................................................................................. 50
4.3 改進的EPD算子 ................................................................................................... 52
4.4 隨機反向學習策略 .............................................................................................. 53
4.5 仿真實驗及結果分析 .......................................................................................... 56
4.5.1 測試函數與參數設置 ............................................................................... 56
4.5.2 RSMGWO算法與不完全算法的對比結果 ............................................. 56
4.5.3 RSMGWO算法與GWO改進算法的對比結果 ....................................... 58
4.5.4 RSMGWO算法與其他最先進的群智能優化算法的對比結果 ............. 63
4.5.5 RSMGWO算法與GWO改進算法在大規模函數上的對比結果 ............... 65
4.5.6 RSMGWO算法與其他算法的收斂性分析對比結果 ............................. 68
4.5.7 RSMGWO算法與其他算法的Wilcoxon符號秩檢驗對比結果 ................. 69
4.5.8 RSMGWO算法與其他算法的Friedman檢驗對比結果 ......................... 70
4.6 本章小結 .............................................................................................................. 71
參考文獻 ....................................................................................................................... 72
第 5 章 趨優反向學習和隨機反向空置算子的 GWO 算法 ........................... 74
5.1 引言 ...................................................................................................................... 74
5.2 新型反向學習策略 .............................................................................................. 74
5.2.1 一般反向學習策略 ................................................................................... 75
5.2.2 隨機反向學習策略 ................................................................................... 75
5.3 趨優策略 .............................................................................................................. 75
5.4 自適應隨機差分擾動策略 .................................................................................. 76
5.5 單維和全維交叉策略 .......................................................................................... 77
5.6 隨機反向空置算子 .............................................................................................. 77
5.7 GOEGWO算法的流程 ........................................................................................ 78
5.8 仿真實驗及結果分析 .......................................................................................... 79
5.8.1 測試函數 ................................................................................................... 79
5.8.2 對比算法和參數設置 ............................................................................... 80
5.8.3 GOEGWO算法與不完全算法的對比結果 ............................................. 81
5.8.4 GOEGWO算法與8種對比算法在低維函數上的對比結果 ................... 82
5.8.5 GOEGWO算法與8種對比算法在30維函數上的對比結果 ................... 84
5.8.6 GOEGWO算法與8種對比算法在100維函數上的對比結果 ................. 87
5.8.7 GOEGWO算法與5種對比算法在600維函數上的對比結果 ................. 90
5.8.8 GOEGWO與EEGWO算法在6 000維函數上的對比結果 ...................... 92
5.8.9 GOEGWO算法在高維函數上的實驗結果 ............................................. 93
5.8.10 GOEGWO算法與對比算法的平均運行時間對比 ............................... 94
5.8.11 GOEGWO算法的Wilcoxon符號秩檢驗對比 ........................................ 95
5.8.12 GOEGWO算法與其他對比算法的Friedman檢驗對比結果 ................ 96
5.9 本章小結 .............................................................................................................. 96
參考文獻 ....................................................................................................................... 97
第 6 章 混合差分進化的 GWO 算法 ............................................................ 99
6.1 引言 ...................................................................................................................... 99
6.2 混合策略 .............................................................................................................. 99
6.3 嵌入趨優算子的GWO算法 ................................................................................ 99
6.4 動態調節參數的差分進化算法 ........................................................................ 100
6.5 貪心選擇算子的偽代碼 .................................................................................... 101
6.6 GWODE算法的實現步驟 ................................................................................. 101
6.7 仿真實驗及結果分析 ........................................................................................ 102
6.7.1 測試函數 ................................................................................................. 102
6.7.2 對比算法和參數設置 ............................................................................. 103
6.7.3 GWODE算法的參數分析 ...................................................................... 103
6.7.4 GWODE算法與其他算法的優化性能對比 .......................................... 104
6.7.5 GWODE算法與其他算法的運行時間對比 .......................................... 106
6.7.6 GWODE算法與其他算法的Friedman檢驗對比結果 ........................... 107
6.8 本章小結 ............................................................................................................ 108
參考文獻 ..................................................................................................................... 108
第 7 章 基於 DE 全局最優和隨機學習的 GWO 算法 ................................. 109
7.1 引言 .................................................................................................................... 109
7.2 基於隨機學習策略的GWO算法 ...................................................................... 109
7.3 基於全局最優反向學習策略的RGWO算法 .................................................... 110
7.4 改進的DE算法 ................................................................................................... 112
7.5 GRGWOD算法的流程 ...................................................................................... 113
7.6 仿真實驗及結果分析 ........................................................................................ 114
7.6.1 測試函數 ................................................................................................. 114
7.6.2 參數設置 ................................................................................................. 115
7.6.3 GRGWOD算法與不完全算法的對比結果 ........................................... 116
7.6.4 GRGWOD算法與GWO改進算法的對比結果 ..................................... 118
7.6.5 GRGWOD算法與DE改進算法的對比結果 .......................................... 122
7.6.6 GRGWOD算法與其他算法在30維CEC2014測試集上的對比結果 ... 126
7.6.7 GRGWOD算法與其他算法在50維CEC2014測試集上的對比結果 ... 130
7.6.8 GRGWOD算法與其他算法的平均運行時間對比結果 ....................... 135
7.6.9 GRGWOD算法與其他算法的Wilcoxon符號秩檢驗對比結果 ............... 136
7.6.10 GRGWOD算法與其他算法的Friedman檢驗對比結果 ..................... 137
7.7 本章小結 ............................................................................................................ 139
參考文獻 ..................................................................................................................... 139
第 8 章 混合鯨魚優化的 GWO 算法 .......................................................... 141
8.1 引言 .................................................................................................................... 141
8.2 基於隨機反向學習的WOA（OWOA）算法 .................................................. 142
8.3 嵌入GWO算法的OWOA（OWOAG）算法 ................................................... 143
8.4 靜態貪心的OWOAG（SOWOAG）算法 ....................................................... 145
8.5 動態貪心的OWOAG（DOWOAG）算法 ...................................................... 147
8.6 HWOAG算法的總流程 ..................................................................................... 149
8.7 仿真實驗及結果分析 ........................................................................................ 151
8.7.1 測試函數 ................................................................................................. 151
8.7.2 對比算法和參數設置 ............................................................................. 151
8.7.3 HWOAG算法與不完全算法的對比結果 .............................................. 152
8.7.4 HWOAG算法與其他算法的優化性能對比結果 ................................. 153
8.7.5 HWOAG算法的收斂性分析 .................................................................. 157
8.7.6 HWOAG算法與其他算法的平均運行時間對比結果 ......................... 158
8.7.7 HWOAG算法與其他算法的Wilcoxon符號秩檢驗對比結果 .............. 159
8.8 本章小結 ............................................................................................................ 160
參考文獻 ..................................................................................................................... 161
第 9 章 精簡差分擾動 GWO 算法與均值榜樣學習 PSO 算法的混合算法 . 163
9.1 引言 .................................................................................................................... 163
9.2 精簡和差分擾動的GWO算法 .......................................................................... 163
9.2.1 差分擾動策略 ......................................................................................... 163
9.2.2 精簡策略 ................................................................................................. 164
9.2.3 SDPGWO算法 ........................................................................................ 165
9.3 隨機均值榜樣學習的PSO算法 ......................................................................... 166
9.4 窮則思變策略 .................................................................................................... 167
9.5 HGWOP算法的流程 ......................................................................................... 168
9.6 仿真實驗及結果分析 ........................................................................................ 170
9.6.1 測試函數 ................................................................................................. 170
9.6.2 對比算法和參數設置 ............................................................................. 171
9.6.3 參數u值的敏感度分析 ........................................................................... 172
9.6.4 HGWOP算法與不完全算法的對比結果 .............................................. 174
9.6.5 HGWOP算法與GWO和PSO改進算法的性能對比結果 ..................... 177
9.6.6 HGWOP算法與其他群智能優化算法的性能對比結果 ...................... 182
9.6.7 HGWOP算法與其他算法的Wilcoxon符號秩檢驗對比結果 .............. 190
9.6.8 HGWOP算法與其他算法的平均運行時間對比結果 .......................... 192
9.6.9 HGWOP算法與其他算法的收斂性分析 .............................................. 192
9.7 本章小結 ............................................................................................................ 193
參考文獻 ..................................................................................................................... 193
第 10 章 混合人工蜂群算法的 GWO 算法 ................................................ 196
10.1 引言 .................................................................................................................. 196
10.2 人工蜂群算法 .................................................................................................. 196
10.2.1 雇傭蜂階段 ........................................................................................... 196
10.2.2 觀察蜂階段 ........................................................................................... 197
10.2.3 偵察蜂階段 ........................................................................................... 197
10.3 兩種搜索方式的融合 ...................................................................................... 197
10.3.1 雇傭蜂階段的搜索方式 ....................................................................... 197
10.3.2 觀察蜂階段的搜索方式 ....................................................................... 198
10.4 反向學習雇傭蜂階段 ...................................................................................... 198
10.5 GWO算法的觀察蜂階段 ................................................................................ 199
10.6 采用榜樣學習策略選擇蜜源 .......................................................................... 199
10.7 HGWOA算法的流程 ....................................................................................... 201
10.8 HGWOA算法仿真實驗及結果分析 ............................................................... 202
10.8.1 測試函數 ............................................................................................... 202
10.8.2 對比算法和參數設置 ........................................................................... 202
10.8.3 HGWOA算法與其他算法的優化性能對比結果 ............................... 203
10.8.4 HGWOA算法與其他算法的平均運行時間對比結果 ....................... 206
10.8.5 HGWOA算法與其他算法的Wilcoxon符號秩檢驗對比結果 ............ 207
10.8.6 HGWOA算法與其他算法的收斂性分析對比結果 ........................... 207
10.8.7 HGWOA算法與其他算法的Friedman檢驗對比結果 ........................ 210
10.8.8 HGWOA算法的穩定性分析 ................................................................ 210
10.9 本章小結 .......................................................................................................... 212
參考文獻 ..................................................................................................................... 212
第 11 章 混合郊狼優化算法的 GWO 算法 ................................................. 214
11.1 引言 .................................................................................................................. 214
11.2 改進的COA算法 .............................................................................................. 214
11.2.1 高斯全局趨優成長算子 ....................................................................... 214
11.2.2 動態調整組內郊狼數方案 ................................................................... 215
11.3 改進的GWO（SGWO）算法 ......................................................................... 216
11.4 正弦交叉策略 .................................................................................................. 217
11.5 仿真實驗及結果分析 ...................................................................................... 219
11.5.1 對比算法與參數設置 ........................................................................... 219
11.5.2 HGWOC算法與其他算法的對比結果 ................................................ 219
11.5.3 HGWOC算法與其他算法在經典函數上的優化性能對比結果 ............ 223
11.5.4 HGWOC算法與其他算法在CEC2017復雜函數上的性能對比結果 226
11.5.5 HGWOC算法與其他算法的平均運行時間對比 ................................ 231
11.5.6 HGWOC算法與其他算法的收斂性分析 ............................................ 232
11.5.7 HGWOC算法的漸進性分析 ................................................................ 233
11.5.8 HGWOC算法與其他算法的Wilcoxon和Friedman檢驗對比結果 ..... 234
11.6 本章小結 .......................................................................................................... 235
參考文獻 ..................................................................................................................... 235
第 12 章 混合同步熱交換搜索的 GWO 算法 ............................................. 237
12.1 引言 .................................................................................................................. 237
12.2 同步熱交換搜索算法 ...................................................................................... 237
12.3 混合SHTS算法的GWO算法 ........................................................................... 239
12.3.1 傳導階段的改進 ................................................................................... 240
12.3.2 對流階段的改進 ................................................................................... 241
12.4 正弦交叉策略 .................................................................................................. 241
12.5 新型差分變異策略 .......................................................................................... 242
12.6 HGWOS算法的流程 ....................................................................................... 243
12.7 仿真實驗及結果分析 ...................................................................................... 245
12.7.1 測試函數 ............................................................................................... 245
12.7.2 對比算法與參數設置 ........................................................................... 246
12.7.3 HGWOS算法與其不完全算法的對比結果 ........................................ 247
12.7.4 HGWOS算法與GWO改進算法的性能對比 ....................................... 250
12.7.5 HGWOS算法與其他群智能優化算法的性能對比結果 .................... 253
12.7.6 HGWOS算法與其他算法的平均運行時間對比 ................................ 261
12.7.7 HGWOS算法與其他算法的Wilcoxon符號秩檢驗對比結果 ................. 262
12.7.8 HGWOS算法與其他算法的Friedman檢驗對比結果 ......................... 263
12.8 本章小結 .......................................................................................................... 264
參考文獻 ..................................................................................................................... 264
第 13 章 改進 GWO 算法應用於聚類優化 ................................................ 267
13.1 聚類概念 .......................................................................................................... 267
13.2 聚類相似性度量方式的相關知識 .................................................................. 267
13.3 典型的聚類算法 .............................................................................................. 269
13.3.1 基於劃分的方法 ................................................................................... 269
13.3.2 基於層次的方法 ................................................................................... 269
13.3.3 基於密度的方法 ................................................................................... 270
13.3.4 基於網格的方法 ................................................................................... 270
13.3.5 基於模型的方法 ................................................................................... 270
13.4 FCM聚類算法 .................................................................................................. 271
13.4.1 基本原理 ............................................................................................... 271
13.4.2 基本流程 ............................................................................................... 271
13.4.3 優勢和局限性 ....................................................................................... 272
13.4.4 群智能優化算法在模糊C均值聚類上的應用 .................................... 272
13.5 K-Means聚類算法 ........................................................................................... 273
13.5.1 基本原理 ............................................................................................... 273
13.5.2 基本流程 ............................................................................................... 274
13.5.3 優勢和局限性 ....................................................................................... 274
13.6 群智能優化算法在K-Means聚類算法上的應用 ........................................... 275
13.7 ODGWO算法在FCM聚類優化上的應用 ...................................................... 276
13.8 GOEGWO算法在FCM聚類優化上的應用 .................................................... 277
13.9 HGWOW算法在FCM聚類優化上的應用 ..................................................... 278
13.10 HGWOP算法在K-Means聚類優化上的應用 .............................................. 279
13.11 HGWOA算法在K-Means聚類優化上的應用 .............................................. 281
13.12 HGWOC算法在K-Means聚類優化上的應用 .............................................. 282
13.13 HGWOS算法在K-Means聚類優化上的應用 .............................................. 283
13.14 本章小結 ........................................................................................................ 284
參考文獻 ..................................................................................................................... 285
第 14 章 總結與展望 ................................................................................. 287
附錄 A 基準函數 ....................................................................................... 290
附錄 B GWO 算法源代碼.......................................................................... 293
