《社会情感优化算法》内容简介：社会情感优化算法是一种新型的模拟人类社会群体行为的群智能优化算法，与常见的几种群智能算法相比，社会情感优化算法收敛效率更高。《社会情感优化算法》分为7章，第1、2章介绍了社会情感优化算法的基本概念、进化方程等；第3～5章从情感更新方式、决策机制及混合方式等方面探讨了社会情感优化算法的改进模式；第6、7章将社会情感优化算法分别应用于团簇优化问题及电力系统无功优化问题，从而为解决相关应用问题提供了参考。
编辑推荐
《社会情感优化算法》是由电子工业出版社出版的。 目录
目录
第一部分 导引篇
第1章 绪论 3
1.1 问题的提出 3
1.2 智能计算概述 4
1.2.1 智能计算分类 4
1.2.2 智能计算方法原理 5
1.2.3 无免费午餐定理 7
1.3 进化计算 7
1.3.1 进化算法的一般框架 8
1.3.2 遗传算法 8
1.3.3 进化策略 9
1.3.4 进化规划 10
1.3.5 遗传程序设计 10
1.4 常见的群体智能算法 11
1.4.1 蚁群算法 11
1.4.2 视觉扫描优化算法 12
1.4.3 萤火虫算法 14
1.4.4 搜索者优化算法 15
1.4.5 人工蜂群算法的原理 16
1.4.6 人工鱼群算法 18
1.5 本书的篇章结构 19
参考文献 20
第2章 社会情感算法 23
2.1 已有的人类社会研究成果 23
2.2 社会情感理论 26
2.2.1 理智前提下的情感 26
2.2.2 个人情绪和社会情感及其相互关系 27
2.2.3 情绪对行为的影响和对环境的反馈 28
2.3 社会情感优化算法 29
2.3.1 算法介绍 29
2.3.2 社会行为分析 31
2.4 仿真实验 32
2.4.1 实验环境 32
2.4.2 参数m1及m2的选择 33
2.4.3 实验结果及分析 35
2.5 小结 37
参考文献 37
第二部分 原理篇
第3章 情感更新方式及选择方式的策略研究 43
3.1 常见的几种概率分布 43
3.1.1 正态分布 43
3.1.2 柯西分布 44
3.1.3 莱维分布 45
3.2 基于正态分布的社会情感优化算法 45
3.2.1 算法思想 45
3.2.2 算法流程 47
3.2.3 基于均匀设计的参数选择 47
3.3 基于柯西分布和莱维分布的社会情感优化算法 49
3.4 基于情感强度第一定律的情感计算方式 52
3.4.1 情感与价值 52
3.4.2 情感强度第一定律 52
3.4.3 基于情感强度第一定律的情感计算 53
3.4.4 随机期望值模型的应用 54
3.5 小结 59
参考文献 59
第4章 基于决策理论的社会情感优化算法 61
4.1 决策的相关内容介绍 61
4.1.1 个体决策介绍 62
4.1.2 群体决策介绍 63
4.2 基于个体决策的社会情感优化算法 66
4.2.1 决策任务 66
4.2.2 决策步骤 66
4.2.3 决策结果 67
4.2.4 算法步骤 67
4.2.5 实验仿真 68
4.3 利用群体决策历史信息的社会情感优化算法 69
4.3.1 算法背景 69
4.3.2 决策过程 69
4.3.3 算法步骤 70
4.3.4 实验仿真 70
4.4 基于小世界模型的社会情感优化算法 72
4.4.1 常见的邻域结构 72
4.4.2 WS小世界模型 73
4.4.3 NW小世界模型 74
4.5 小结 75
参考文献 76
第5章 混合社会情感优化算法 79
5.1 基于Metropolis准则的社会情感优化算法 79
5.1.1 社会情感优化算法的多样性分析 79
5.1.2 Metropolis准则介绍 79
5.1.3 基于Metropolis准则的社会情感优化算法 80
5.1.4 实例仿真 81
5.2 基于二次插值法的社会情感优化算法 82
5.2.1 二次插值法介绍 84
5.2.2 二次插值法与社会情感优化算法的结合 84
5.3 在非线性方程组求解的应用 85
5.3.1 非线性方程组及其等价优化模型 87
5.3.2 仿真实验 88
5.4 小结 89
参考文献 90
第三部分 应用篇
第6章 团簇优化问题的社会情感优化算法求解 95
6.1 团簇优化问题介绍 95
6.1.1 Lennard-Jones势函数 95
6.1.2 Lennard-Jones原子团簇 96
6.1.3 基于团簇结构的优化算法 99
6.1.4 团簇结构的研究现状 100
6.1.5 Ag团簇 101
6.2 基于社会情感优化算法的团簇问题求解 102
6.2.1 限域拟牛顿优化算法 102
6.2.2 算法流程 104
6.2.3 团簇优化结果 105
6.3 基于种子技术的团簇结构优化 108
6.3.1 种子技术介绍 108
6.3.2 基于种子技术的改进SEOA 109
6.4 基于格点技术的团簇结构优化 113
6.4.1 离散的社会情感优化算法介绍 114
6.4.2 格点技术 114
6.4.3 离散化社会情感优化算法 114
6.4.4 原子团簇的优化结果与方法分析 116
6.5 小结 117
参考文献 118
第7章 社会情感优化算法在电力系统无功优化中的应用 121
7.1 电力系统概述 121
7.2 电力系统无功优化的数学模型 122
7.2.1 网损最小的经典无功优化模型 122
7.2.2 以电压水平为目标的无功优化模型 123
7.2.3 多目标罚函数的无功优化模型 123
7.2.4 计及网损和控制成本的无功优化模型 123
7.2.5 本章采用的无功优化模型 124
7.3 现有电力系统无功优化算法介绍 125
7.3.1 常规优化算法 125
7.3.2 智能优化算法 127
7.4 社会情感优化算法在电力系统无功优化中的应用 128
7.4.1 算法求解流程 129
7.4.2 算例应用与分析 129
7.5 基于情感计算的社会情感优化算法 148
7.5.1 情绪变化模型 149
7.5.2 三维情绪空间 149
7.5.3 情绪变化矩阵 150
7.5.4 引入情绪变化模型的社会情感优化算法 151
7.5.5 算法步骤 152
7.6 EMSEOA在无功优化中的应用 152
7.6.1 EMSEOA的无功优化流程 152
7.6.2 应用算例及分析 152
7.7 小结 155
参考文献 156
附录A 典型测试函数 159
附录B 剑桥大学LJ数据库团簇优化标准结果 169
附录C 典型的电力系统 173 文摘
版权页：
插图：
为了更好地研究复杂适应系统，寻求有效的智能计算方法，近年来，许多学者逐渐将目光从自然进化模拟机制的研究转向自然生物系统的社会智能行为研究，如一群鸟寻求共同栖息地的行为、一群鱼捕食的特征，或者是蚂蚁群觅食的特点，并且受这些生物群体所表现的群体智能的启发，建立了各种基于群智能的优化算法，典型的有微粒群算法、蚁群算法、蜜蜂算法和鱼群算法。这些算法模拟了简单生物群体所表现的智能涌现现象，即简单个体通过协作及信息交互从而表现出复杂智能行为的特性，采用自下而上的设计方式，模型简单、操作便捷，具有较强的自组织性和自适应性，使之在缺乏全局信息的情况下，为大规模复杂系统的求解提供了一种全新的思路。
人类社会本质上也是一个庞大的复杂适应系统。作为具有最高智能行为的适应群体，人类群体通过人与人之间的合作与竞争来促进经济发展、文化交流、社会进步等。由于人们之间的交流随着时间、地点的不同而发生变化，这使得人类群体具有自组织、自学习、自适应等智能特性。因此，如何研究人类群体的自组织、自学习及涌现智能，是一个很有意义的研究课题。许多智能计算方法力图从人类社会的演化过程中寻求灵感，通过对人类社会的政治、经济、文化等领域中存在的各种智能现象和行为进行研究，从中抽取有益的规则建立有效的智能计算模型，一方面帮助解决现实世界中的复杂问题，另一方面帮助人们认知人类高级智能的形成和演化。
| ISBN | 9787121148736,712114 |
|---|---|
| 出版社 | 电子工业出版社 |
| 作者 | 崔志华 |
| 尺寸 | 16 |