Particle swarm optimizer and multi-object optimization

第1章 绪论
1.1 引言
1.2 最优化问题
1.2.1 局部优化和全局优化
1.2.2 无免费午餐定理
1.3 群体智能概述
1.3.1 群智能的基本原则与特点
1.3.2 蚁群算法
1.3.3 粒子群优化算法
1.4 粒子群优化算法的现状及其应用
1.4.1 PSO算法的理论分析
1.4.2 PSO的改进策略
1.4.3 PSO应用现状
1.5 小结

第2章 粒子群优化算法概述
2.1 随机搜索算法的基本框架
2.2 基本粒子群算法的形式化描述
2.3 粒子群算法的数学模型
2.3.1 带惯性权重的PSO模型
2.3.2 带收缩系数的PSO模型
2.3.3 Bare Bones Particle Swarm模型
2.3.4 混合型PSO模型
2.3.5 PApproximate Kalman Swarm（PAKS）模型
2.3.6 FIPS模型
2.3.7 PSO连续模型
2.4 粒子群算法的拓扑结构
2.4.1 静态邻居拓扑结构
2.4.2 动态邻居拓扑结构
2.5 粒子群算法的评价指标
2.5.1 准确性
2.5.2 可靠性
2.5.3 鲁棒性
2.5.4 多样性
2.6 多样性研究
2.6.1 多样性的定义
2.6.2 群体多样性的归一化
2.6.3 粒子群优化算法的早熟收敛
2.7 小结

第3章 粒子群优化算法特性分析
3.1 PSO的Gbest模型分析
3.2 PSO的Pbest模型分析
3.3 标准PSO单信息最大搜索空间描述
3.4 标准PSO与BBPS相似性分析
3.4.1 单信息最大搜索空间的描述分析
3.4.2 初始位置向量阶乘衰减因子分析
3.4.3 初始速度向量的加权参数分析
3.4.4 标准PSO与BBPS的相似性讨论
3.5 参数在概率意义下的遗忘特性
3.6 小结

第4章 标准PSO的采样分布分析和粒子轨迹分析
第5章 标准PSO算法的稳定性分析
第6章 标准PSO算法的马尔科夫链分析
第7章 单目标粒子群优化算法
第8章 多目标粒子群优化算法
第9章 多目标粒子群算法的改进

参考文献