未读消息消息

购物车

我的订单

个人中心

店铺

我的订单收藏

拍卖

拍卖交易我的竞拍收藏

我的好友资金账户

卖家中心

客服 |

帮助中心 9:00-20:30 在线留言

客服电话

010-89648155

服务时间

客服咨询 8:00-21:00

纠纷处理 9:00-21:00

图书审核 9:00-18:00

监督与建议

请选择

手机孔网

Python智能优化算法：从原理到代码实现与应用

作者: 范旭

出版社: 电子工业出版社

出版时间: 2022-08

版次: 1

ISBN: 9787121441479

定价: 59.80

装帧: 其他

页数: 280页

分类: 教材教辅考试>教材>大学教材>工程技术

9人买过

本书以理论结合应用为指导思想，以智能优化算法为对象，以Python为开发语言，主要讲解智能优化算法的基本原理、代码实现、应用案例和性能测试。本书轻理论，重实践，目的是使读者能够迅速地入门并掌握智能优化算法及其Python代码实现的相关技巧，并在后续的学术研究和工程实践中加以应用。本书分为12章，第1章～第10章分别介绍10种智能优化算法（黏菌算法、人工蜂群算法、蝗虫优化算法、蝴蝶优化算法、飞蛾扑火优化算法、海鸥优化算法、麻雀搜索算法、鲸鱼优化算法、黄金正弦算法、教与学优化算法）的基本原理、Python代码实现、应用案例；第11章、第12章介绍智能优化算法的基准测试集和性能测试。本书取材新颖、案例丰富、通俗易懂，可作为广大高校本科生、研究生的学习用书，也可作为广大科研人员、学者、工程技术人员的参考用书。范旭，本硕毕业于西南交通大学。从事算法工作5年之久，先后就职于全球领先半导体封装设备公司以及芯片设计公司。曾任职图像算法工程师，图形芯片架构/算法工程师。对人工智能，优化算法，图像算法等领域有深入的研究。目　　录

第1章  黏菌算法及其Python实现1

1.1  黏菌算法的基本原理1

1.1.1  接近食物阶段1

1.1.2  包围食物阶段2

1.1.3  抓取食物阶段2

1.1.4  黏菌算法流程3

1.2  黏菌算法的Python实现4

1.2.1  种群初始化4

1.2.2  适应度函数5

1.2.3  边界检查和约束函数6

1.2.4  黏菌算法代码7

1.3  黏菌算法的应用案例10

1.3.1  求解函数极值10

1.3.2  基于黏菌算法的压力容器

设计12

1.3.3  基于黏菌算法的三杆桁架

设计15

1.3.4  基于黏菌算法的拉压弹簧

设计18

参考文献21

第2章  人工蜂群算法及其Python

实现22

2.1  人工蜂群算法的基本原理22

2.1.1  种群初始化23

2.1.2  引领蜂搜索24

2.1.3  跟随蜂搜索24

2.1.4  侦察蜂搜索25

2.1.5  人工蜂群算法流程25

2.2  人工蜂群算法的Python实现26

2.2.1  种群初始化26

2.2.2  适应度函数28

2.2.3  边界检查和约束函数28

2.2.4  轮盘赌策略29

2.2.5  人工蜂群算法代码30

2.3  人工蜂群算法的应用案例34

2.3.1  求解函数极值34

2.3.2  基于人工蜂群算法的压力

容器设计36

2.3.3  基于人工蜂群算法的三杆

桁架设计39

2.3.4  基于人工蜂群算法的拉压

弹簧设计42

参考文献45

第3章  蝗虫优化算法及其Python

实现46

3.1  蝗虫优化算法的基本原理46

3.1.1  蝗虫优化算法数学模型46

3.1.2  社会相互作用力47

3.1.3  蝗虫优化算法流程50

3.2  蝗虫优化算法的Python实现50

3.2.1  种群初始化50

3.2.2  适应度函数52

3.2.3  边界检查和约束函数52

3.2.4  社会相互作用力函数53

3.2.5  蝗虫优化算法代码54

3.3  蝗虫优化算法的应用案例57

3.3.1  求解函数极值57

3.3.2  基于蝗虫优化算法的压力

容器设计59

3.3.3  基于蝗虫优化算法的三杆

桁架设计62

3.3.4  基于蝗虫优化算法的拉压弹

簧设计65

参考文献68

第4章  蝴蝶优化算法及其Python

实现69

4.1  蝴蝶优化算法的基本原理69

4.1.1  蝴蝶的香味69

4.1.2  蝴蝶的移动与迭代70

4.1.3  蝴蝶优化算法流程71

4.2  蝴蝶优化算法的Python实现72

4.2.1  种群初始化72

4.2.2  适应度函数73

4.2.3  边界检查和约束函数74

4.2.4  蝴蝶优化算法代码75

4.3  蝴蝶优化算法的应用案例77

4.3.1  求解函数极值77

4.3.2  基于蝴蝶优化算法的压力容

器设计80

4.3.3  基于蝴蝶优化算法的三杆

桁架设计83

4.3.4  基于蝴蝶优化算法的拉压弹

簧设计86

参考文献89

第5章  飞蛾扑火优化算法及其Python

实现90

5.1  飞蛾扑火优化算法的基本

原理90

5.1.1  飞蛾与火焰90

5.1.2  飞蛾扑火行为91

5.1.3  飞蛾扑火优化算法流程93

5.2  飞蛾扑火优化算法的Python

实现95

5.2.1  种群初始化95

5.2.2  适应度函数96

5.2.3  边界检查和约束函数97

5.2.4  飞蛾扑火优化算法代码98

5.3  飞蛾扑火优化算法的应用

案例100

5.3.1  求解函数极值100

5.3.2  基于飞蛾扑火优化算法的

压力容器设计103

5.3.3  基于飞蛾扑火优化算法的

三杆桁架设计106

5.3.4  基于飞蛾扑火优化算法的

拉压弹簧设计109

参考文献112

第6章  海鸥优化算法及其Python

实现113

6.1  海鸥优化算法的基础原理113

6.1.1  海鸥迁徙113

6.1.2  海鸥攻击猎物114

6.1.3  海鸥优化算法流程114

6.2  海鸥优化算法的Python实现115

6.2.1  种群初始化115

6.2.2  适应度函数117

6.2.3  边界检查和约束函数117

6.2.4  海鸥优化算法代码118

6.3  海鸥优化算法的应用案例121

6.3.1  求解函数极值121

6.3.2  基于海鸥优化算法的压力

容器设计123

6.3.3  基于海鸥优化算法的三杆

桁架设计126

6.3.4  基于海鸥优化算法的拉压

弹簧设计129

参考文献132

第7章  麻雀搜索算法及其Python

实现133

7.1  麻雀搜索算法的基本原理133

7.1.1  麻雀种群133

7.1.2  发现者位置更新134

7.1.3  加入者位置更新134

7.1.4  遇险应急的麻雀位置更新134

7.1.5  麻雀搜索算法流程135

7.2  麻雀搜索算法的Python实现136

7.2.1  种群初始化136

7.2.2  适应度函数137

7.2.3  边界检查和约束函数138

7.2.4  麻雀搜索算法代码139

7.3  麻雀搜索算法的应用案例142

7.3.1  求解函数极值142

7.3.2  基于麻雀搜索算法的压力

容器设计144

7.3.3  基于麻雀搜索算法的三杆

桁架设计147

7.3.4  基于麻雀搜索算法的拉压

弹簧设计150

参考文献153

第8章  鲸鱼优化算法及其Python

实现154

8.1  鲸鱼优化算法的基本原理154

8.1.1  包围猎物154

8.1.2  气泡网攻击方式155

8.1.3  寻找猎物157

8.1.4  鲸鱼优化算法流程158

8.2  鲸鱼优化算法的Python实现159

8.2.1  种群初始化159

8.2.2  适应度函数161

8.2.3  边界检查和约束函数161

8.2.4  鲸鱼优化算法代码162

8.3  鲸鱼优化算法的应用案例165

8.3.1  求解函数极值165

8.3.2  基于鲸鱼优化算法的压力

容器设计167

8.3.3  基于鲸鱼优化算法的三杆

桁架设计170

8.3.4  基于鲸鱼优化算法的拉压

弹簧设计173

参考文献176

第9章  黄金正弦算法及其Python

实现177

9.1  黄金正弦算法的基本原理177

9.1.1  正弦函数177

9.1.2  黄金分割177

9.1.3  初始化178

9.1.4  黄金分割系数计算178

9.1.5  位置更新179

9.1.6  黄金分割系数更新179

9.1.7  黄金正弦算法流程179

9.2  黄金正弦算法的Python实现180

9.2.1  种群初始化180

9.2.2  适应度函数182

9.2.3  边界检查和约束函数182

9.2.4  黄金正弦算法代码183

9.3  黄金正弦算法的应用案例186

9.3.1  求解函数极值186

9.3.2  基于黄金正弦算法的压力

容器设计189

9.3.3  基于黄金正弦算法的三杆

桁架设计192

9.3.4  基于黄金正弦算法的拉压

弹簧设计195

参考文献198

第10章  教与学优化算法及其Python

实现199

10.1  教与学优化算法的基本原理199

10.1.1  教学阶段200

10.1.2  学习阶段200

10.1.3  教与学优化算法流程200

10.2  教与学优化算法的Python

实现202

10.2.1  种群初始化202

10.2.2  适应度函数203

10.2.3  边界检查和约束函数204

10.2.4  教与学优化算法代码205

10.3  教与学优化算法的应用

案例208

10.3.1  求解函数极值208

10.3.2  基于教与学优化算法的

压力容器设计210

10.3.3  基于教与学优化算法的三杆

桁架设计213

10.3.4  基于教与学优化算法的

拉压弹簧设计216

参考文献219

第11章  智能优化算法基准测试集220

11.1  基准测试集简介220

11.2  基准测试函数绘图与测试

函数代码编写222

11.2.1  函数F1222

11.2.2  函数F2223

11.2.3  函数F3224

11.2.4  函数F4226

11.2.5  函数F5227

11.2.6  函数F6229

11.2.7  函数F7230

11.2.8  函数F8232

11.2.9  函数F9234

11.2.10  函数F10235

11.2.11  函数F11237

11.2.12  函数F12238

11.2.13  函数F13240

11.2.14  函数F14242

11.2.15  函数F15244

11.2.16  函数F16246

11.2.17  函数F17248

11.2.18  函数F18249

11.2.19  函数F19251

11.2.20  函数F20252

11.2.21  函数F21254

11.2.22  函数F22256

11.2.23  函数F23258

第12章  智能优化算法性能测试260

12.1  智能优化算法性能测试

方法260

12.1.1  平均值260

12.1.2  标准差260

12.1.3  最优值和最差值261

12.1.4  收敛曲线262

12.2  测试案例262

12.2.1  测试函数信息262

12.2.2  测试方法及参数设置263

12.2.3  测试结果263
内容简介:
本书以理论结合应用为指导思想，以智能优化算法为对象，以Python为开发语言，主要讲解智能优化算法的基本原理、代码实现、应用案例和性能测试。本书轻理论，重实践，目的是使读者能够迅速地入门并掌握智能优化算法及其Python代码实现的相关技巧，并在后续的学术研究和工程实践中加以应用。本书分为12章，第1章～第10章分别介绍10种智能优化算法（黏菌算法、人工蜂群算法、蝗虫优化算法、蝴蝶优化算法、飞蛾扑火优化算法、海鸥优化算法、麻雀搜索算法、鲸鱼优化算法、黄金正弦算法、教与学优化算法）的基本原理、Python代码实现、应用案例；第11章、第12章介绍智能优化算法的基准测试集和性能测试。本书取材新颖、案例丰富、通俗易懂，可作为广大高校本科生、研究生的学习用书，也可作为广大科研人员、学者、工程技术人员的参考用书。
作者简介:
范旭，本硕毕业于西南交通大学。从事算法工作5年之久，先后就职于全球领先半导体封装设备公司以及芯片设计公司。曾任职图像算法工程师，图形芯片架构/算法工程师。对人工智能，优化算法，图像算法等领域有深入的研究。
目录:
目　　录

第1章  黏菌算法及其Python实现1

1.1  黏菌算法的基本原理1

1.1.1  接近食物阶段1

1.1.2  包围食物阶段2

1.1.3  抓取食物阶段2

1.1.4  黏菌算法流程3

1.2  黏菌算法的Python实现4

1.2.1  种群初始化4

1.2.2  适应度函数5

1.2.3  边界检查和约束函数6

1.2.4  黏菌算法代码7

1.3  黏菌算法的应用案例10

1.3.1  求解函数极值10

1.3.2  基于黏菌算法的压力容器

设计12

1.3.3  基于黏菌算法的三杆桁架

设计15

1.3.4  基于黏菌算法的拉压弹簧

设计18

参考文献21

第2章  人工蜂群算法及其Python

实现22

2.1  人工蜂群算法的基本原理22

2.1.1  种群初始化23

2.1.2  引领蜂搜索24

2.1.3  跟随蜂搜索24

2.1.4  侦察蜂搜索25

2.1.5  人工蜂群算法流程25

2.2  人工蜂群算法的Python实现26

2.2.1  种群初始化26

2.2.2  适应度函数28

2.2.3  边界检查和约束函数28

2.2.4  轮盘赌策略29

2.2.5  人工蜂群算法代码30

2.3  人工蜂群算法的应用案例34

2.3.1  求解函数极值34

2.3.2  基于人工蜂群算法的压力

容器设计36

2.3.3  基于人工蜂群算法的三杆

桁架设计39

2.3.4  基于人工蜂群算法的拉压

弹簧设计42

参考文献45

第3章  蝗虫优化算法及其Python

实现46

3.1  蝗虫优化算法的基本原理46

3.1.1  蝗虫优化算法数学模型46

3.1.2  社会相互作用力47

3.1.3  蝗虫优化算法流程50

3.2  蝗虫优化算法的Python实现50

3.2.1  种群初始化50

3.2.2  适应度函数52

3.2.3  边界检查和约束函数52

3.2.4  社会相互作用力函数53

3.2.5  蝗虫优化算法代码54

3.3  蝗虫优化算法的应用案例57

3.3.1  求解函数极值57

3.3.2  基于蝗虫优化算法的压力

容器设计59

3.3.3  基于蝗虫优化算法的三杆

桁架设计62

3.3.4  基于蝗虫优化算法的拉压弹

簧设计65

参考文献68

第4章  蝴蝶优化算法及其Python

实现69

4.1  蝴蝶优化算法的基本原理69

4.1.1  蝴蝶的香味69

4.1.2  蝴蝶的移动与迭代70

4.1.3  蝴蝶优化算法流程71

4.2  蝴蝶优化算法的Python实现72

4.2.1  种群初始化72

4.2.2  适应度函数73

4.2.3  边界检查和约束函数74

4.2.4  蝴蝶优化算法代码75

4.3  蝴蝶优化算法的应用案例77

4.3.1  求解函数极值77

4.3.2  基于蝴蝶优化算法的压力容

器设计80

4.3.3  基于蝴蝶优化算法的三杆

桁架设计83

4.3.4  基于蝴蝶优化算法的拉压弹

簧设计86

参考文献89

第5章  飞蛾扑火优化算法及其Python

实现90

5.1  飞蛾扑火优化算法的基本

原理90

5.1.1  飞蛾与火焰90

5.1.2  飞蛾扑火行为91

5.1.3  飞蛾扑火优化算法流程93

5.2  飞蛾扑火优化算法的Python

实现95

5.2.1  种群初始化95

5.2.2  适应度函数96

5.2.3  边界检查和约束函数97

5.2.4  飞蛾扑火优化算法代码98

5.3  飞蛾扑火优化算法的应用

案例100

5.3.1  求解函数极值100

5.3.2  基于飞蛾扑火优化算法的

压力容器设计103

5.3.3  基于飞蛾扑火优化算法的

三杆桁架设计106

5.3.4  基于飞蛾扑火优化算法的

拉压弹簧设计109

参考文献112

第6章  海鸥优化算法及其Python

实现113

6.1  海鸥优化算法的基础原理113

6.1.1  海鸥迁徙113

6.1.2  海鸥攻击猎物114

6.1.3  海鸥优化算法流程114

6.2  海鸥优化算法的Python实现115

6.2.1  种群初始化115

6.2.2  适应度函数117

6.2.3  边界检查和约束函数117

6.2.4  海鸥优化算法代码118

6.3  海鸥优化算法的应用案例121

6.3.1  求解函数极值121

6.3.2  基于海鸥优化算法的压力

容器设计123

6.3.3  基于海鸥优化算法的三杆

桁架设计126

6.3.4  基于海鸥优化算法的拉压

弹簧设计129

参考文献132

第7章  麻雀搜索算法及其Python

实现133

7.1  麻雀搜索算法的基本原理133

7.1.1  麻雀种群133

7.1.2  发现者位置更新134

7.1.3  加入者位置更新134

7.1.4  遇险应急的麻雀位置更新134

7.1.5  麻雀搜索算法流程135

7.2  麻雀搜索算法的Python实现136

7.2.1  种群初始化136

7.2.2  适应度函数137

7.2.3  边界检查和约束函数138

7.2.4  麻雀搜索算法代码139

7.3  麻雀搜索算法的应用案例142

7.3.1  求解函数极值142

7.3.2  基于麻雀搜索算法的压力

容器设计144

7.3.3  基于麻雀搜索算法的三杆

桁架设计147

7.3.4  基于麻雀搜索算法的拉压

弹簧设计150

参考文献153

第8章  鲸鱼优化算法及其Python

实现154

8.1  鲸鱼优化算法的基本原理154

8.1.1  包围猎物154

8.1.2  气泡网攻击方式155

8.1.3  寻找猎物157

8.1.4  鲸鱼优化算法流程158

8.2  鲸鱼优化算法的Python实现159

8.2.1  种群初始化159

8.2.2  适应度函数161

8.2.3  边界检查和约束函数161

8.2.4  鲸鱼优化算法代码162

8.3  鲸鱼优化算法的应用案例165

8.3.1  求解函数极值165

8.3.2  基于鲸鱼优化算法的压力

容器设计167

8.3.3  基于鲸鱼优化算法的三杆

桁架设计170

8.3.4  基于鲸鱼优化算法的拉压

弹簧设计173

参考文献176

第9章  黄金正弦算法及其Python

实现177

9.1  黄金正弦算法的基本原理177

9.1.1  正弦函数177

9.1.2  黄金分割177

9.1.3  初始化178

9.1.4  黄金分割系数计算178

9.1.5  位置更新179

9.1.6  黄金分割系数更新179

9.1.7  黄金正弦算法流程179

9.2  黄金正弦算法的Python实现180

9.2.1  种群初始化180

9.2.2  适应度函数182

9.2.3  边界检查和约束函数182

9.2.4  黄金正弦算法代码183

9.3  黄金正弦算法的应用案例186

9.3.1  求解函数极值186

9.3.2  基于黄金正弦算法的压力

容器设计189

9.3.3  基于黄金正弦算法的三杆

桁架设计192

9.3.4  基于黄金正弦算法的拉压

弹簧设计195

参考文献198

第10章  教与学优化算法及其Python

实现199

10.1  教与学优化算法的基本原理199

10.1.1  教学阶段200

10.1.2  学习阶段200

10.1.3  教与学优化算法流程200

10.2  教与学优化算法的Python

实现202

10.2.1  种群初始化202

10.2.2  适应度函数203

10.2.3  边界检查和约束函数204

10.2.4  教与学优化算法代码205

10.3  教与学优化算法的应用

案例208

10.3.1  求解函数极值208

10.3.2  基于教与学优化算法的

压力容器设计210

10.3.3  基于教与学优化算法的三杆

桁架设计213

10.3.4  基于教与学优化算法的

拉压弹簧设计216

参考文献219

第11章  智能优化算法基准测试集220

11.1  基准测试集简介220

11.2  基准测试函数绘图与测试

函数代码编写222

11.2.1  函数F1222

11.2.2  函数F2223

11.2.3  函数F3224

11.2.4  函数F4226

11.2.5  函数F5227

11.2.6  函数F6229

11.2.7  函数F7230

11.2.8  函数F8232

11.2.9  函数F9234

11.2.10  函数F10235

11.2.11  函数F11237

11.2.12  函数F12238

11.2.13  函数F13240

11.2.14  函数F14242

11.2.15  函数F15244

11.2.16  函数F16246

11.2.17  函数F17248

11.2.18  函数F18249

11.2.19  函数F19251

11.2.20  函数F20252

11.2.21  函数F21254

11.2.22  函数F22256

11.2.23  函数F23258

第12章  智能优化算法性能测试260

12.1  智能优化算法性能测试

方法260

12.1.1  平均值260

12.1.2  标准差260

12.1.3  最优值和最差值261

12.1.4  收敛曲线262

12.2  测试案例262

12.2.1  测试函数信息262

12.2.2  测试方法及参数设置263

12.2.3  测试结果263

查看详情

Python智能优化算法：从原理到代码实现与应用

内容简介:

作者简介:

目录: