智能優化狀態轉移算法

智能優化算法是基於計算智能的機制、不依賴於問題結構、能求解複雜優化問題優解或滿意解的數值優化方法。目前已經有許多經典的智能優化算法，包括遺傳算法、模擬退火算法、粒子羣優化算法等，併成功應用於求解各種複雜工程優化問題。狀態轉移算法是一種基於結構主義學習的新型智能優化算法，它抓住優化算法的本質、目的和要求，以全局性、快速性、收斂性、可控性等五大核心結構要素為指導思想進行算法設計與理論證明。它的基本思想是將優化問題的一個解看成一個狀態，將解的迭代更新過程看成狀態轉移過程，利用現代控制理論中的狀態空間表達式作為產生候選解的統一框架，基於此框架來設計狀態變換算子。

《智能優化狀態轉移算法》以智能優化狀態轉移算法為主要內容，首先介紹了優化的理論與算法基礎，包括經典的局部優化算法和全局優化算法；然後闡述了狀態轉移算法的基本原理，詳細介紹了狀態轉移算法的演變與提升，包括連續與離散，無約束、約束與多目標狀態轉移算法的主要思想及MATLAB編程實現；最後從非線性系統辨識、工業過程控制、機器學習與數據挖掘等方面重點介紹了狀態轉移算法的工程應用。 ^[1-2] 

1.1 變量與賦值

1.2 矩陣的運算

1.2.1 代數運算

1.2.2 邏輯運算

1.2.3 比較運算

1.3 基本繪圖函數

1.3.1 二維繪圖

1.3.2 三維繪圖

1.4 程序設計基礎

1.4.1 M文件

1.4.2 程序結構

1.4.3 數據的讀取與保存

1.5 MATLAB GUI編程

1.5.1 handles結構體

1.5.2 回調函數

1.6 MATLAB與Excel混合編程

參考文獻

2.1 優化問題的分類

2.2 優化基本概念

2.3 優化方法性能評估

參考文獻

3.1 數值優化

3.1.1 解析法與數值法

3.1.2 局部與全局優化

3.2 局部優化算法

3.2.1 梯度下降法與共軛梯度法

3.2.2 牛頓法與擬牛頓法

3.2.3 共軛方向法與交替方向法

3.2.4 算法測試

3.3 全局優化算法

3.3.1 遺傳算法

3.3.2 模擬退火算法

3.3.3 粒子羣優化算法

3.3.4 差分進化算法

3.3.5 人工蜂羣算法

3.3.6 算法測試

參考文獻

附錄

4.1 狀態轉移算法概述

4.2 連續狀態轉移算法的基本原理

4.2.1 基本狀態變換算子

4.2.2 鄰域與採樣策略

4.2.3 選擇和更新策略

4.2.4 交替輪換策略與算法流程

4.2.5 連續狀態轉移算法的性質

4.3 連續狀態轉移算法的參數設置與提升

4.3.1 動態連續狀態轉移算法

4.3.2 參數優連續狀態轉移算法

4.4 連續約束狀態轉移算法

4.4.1 連續約束優化問題數學模型

4.4.2 連續約束優化問題難點初步探討

4.4.3 約束處理技術

4.4.4 基於連續狀態轉移算法的約束優化方法

4.4.5 算法的測試及對比

4.5 連續多目標狀態轉移算法

4.5.1 多目標優化概述

4.5.2 基於Pareto佔優的多目標狀態轉移算法

4.5.3 基於分解的多目標狀態轉移算法

4.5.4 算法的測試及對比

參考文獻

附錄

5.1 離散狀態轉移算法的基本原理

5.1.1 離散狀態轉移算法的框架

5.1.2 基本離散狀態轉移算法的實現

5.1.3 基本離散狀態轉移算法的流程

5.2 離散狀態轉移算法的參數設置以及提升

5.2.1 原始離散狀態轉移算法的參數設置

5.2.2 二次狀態轉移及停止回溯策略

5.2.3 冒險與恢復策略

5.3 離散約束狀態轉移算法

5.3.1 離散約束優化問題數學模型

5.3.2 離散約束處理機制

5.3.3 離散約束狀態轉移算法流程

5.3.4 離散狀態轉移算法在揹包問題中的應用

5.4 離散多目標狀態轉移算法

5.4.1 離散多目標優化問題

5.4.2 基本離散多目標狀態轉移算法

5.4.3 算法的測試及對比

參考文獻

6.1 連續狀態轉移算法的工程應用

6.1.1 非線性系統辨識

6.1.2 工業過程優化控制

6.1.3 生產調度

6.1.4 圖像處理與機器學習

6.1.5 多屬性決策

6.2 離散狀態轉移算法的工程應用

6.2.1 水資源網絡管道優化設計

6.2.2 特徵選擇

6.2.3 社區發現

參考文獻

索引