编辑推荐
《人工蜂群优化算法的应用》不仅有理论上的分析，还通过MATLAB仿真实验予以验证，适合从事信号处理、自动化控制和智能信息处理研究的科研人员以及电子信息类专业的师生学习研究参考。
作者简介
王荣杰，中山大学博士，香港理工大学访问学者，现为集美大学副教授、硕士生导师，主要从事智能信息处理和电力系统故障诊断方向的研究，近五年以第一作者身份在国内外学术期刊发表论文29篇，SCI和EI同时检索7篇，EI检索8篇，2009年-2014年多篇论文获福建省电机工程学会优秀论文二、三等奖。
目录
基础篇
第1 章 人工蜂群优化算法
1.1 蜜蜂的觅食行为
1.2 人工蜂群优化算法
1.2.1 原型人工蜂群优化算法Ⅰ
1.2.2 原型人工蜂群优化算法Ⅱ
1.3 本书的内容与组织结构
1.3.1 本书的内容
1.3.2 本书的组织结构
参考文献
船舶工程篇
第2 章 基于人工蜂群优化算法的船舶电力系统故障诊断方法
2.1 船舶电力系统故障诊断研究概况
2.2 保护继电器或断路器拒动情况的目标函数建立
2.2.1 船舶电力系统故障类型分析
2.2.2 船舶电力系统故障诊断的目标函数
2.3 基于人工蜂群优化算法的船舶电力系统故障诊断方法
2.4 仿真实验分析
2.5 本章小结
参考文献
第3 章 基于人工蜂群优化机理的目标船舶方位估计方法
3.1 船舶方位估计介绍
3.2 目标船舶方位估计问题描述
3.3 基于人工蜂群优化机理的目标船舶DOA 方位估计
3.4 仿真分析
3.5 本章小结
参考文献
电力系统篇
第4 章 人工蜂群优化算法在谐波估计中的应用
4.1 谐波估计方法研究概况
4.2 谐波估计问题描述
4.3 基于群智能优化算法的谐波估计
4.3.1 相位的估计
4.3.2 幅值的估计
4.3.3 群智能优化算法
4.3.4 基于群体智能优化算法的谐波估计
4.4 仿真实验分析
4.4.1 无噪声的谐波估计
4.4.2 有噪声的谐波估计
4.5 本章小结
参考文献
信号处理篇
第5 章 基于人工蜂群优化机理的盲源有序分离算法
5.1 盲源分离的基本概念
5.2 盲源有序分离问题描述
5.3 基于人工蜂群优化机理的盲源有序分离算法
5.3.1 PSO 算法
5.3.2 DE 算法
5.3.3 基于群体智能优化算法的盲源有序分离
5.4 仿真实验分析
5.5 本章小结
参考文献
第6 章 人工蜂群优化算法在复数盲源分离中的应用
6.1 复数盲源分离研究概况
6.2 复数盲源分离问题描述
6.3 改进的人工蜂群优化算法
6.4 基于ABC 优化的有序复值盲源分离算法
6.4.1 基于交叉验证技术的复数源信号个数估计
6.4.2 复值盲源抽取的代价函数
6.4.3 基于ABC 优化的有序复值盲抽取算法
6.5 基于ABC 的欠定复数盲源分离算法
6.6 仿真分析
6.6.1 改进的ABC 算法优化性能的测试
6.6.2 基于ABC 优化的有序复值BSS 算法的仿真与分析
6.6.3 基于ABC 优化的欠定复数BSS 算法的仿真与分析
6.7 本章小结
参考文献
第7 章 人工蜂群优化算法在单通道周期性信号盲分离的应用
7.1 单通道盲源分离介绍
7.2 单通道周期性信号盲分离问题描述
7.3 周期性混合信号的单通道盲分离算法
7.3.1 希尔伯特变换
7.3.2 基于交叉验证技术的阶数估计
7.3.3 利用人工蜂群优化算法的基频和源数估计
7.3.4 基于自适应滤波的谐波幅值估计
7.4 仿真分析
7.5 本章小结
参考文献
控制系统篇
第8 章 基于人工蜂群优化机理的PID 控制的AVR 系统
8.1 AVR 系统和PID 控制器的介绍
8.2 AVR 系统模型
8.3 基于人工蜂群优化机理的PID 控制的AVR 系统
8.3.1 PID 控制的AVR 系统
8.3.2 基于人工蜂群优化机理的PID 控制的AVR 系统
8.4 仿真分析
8.4.1 优化算法测试
8.4.2 基于人工蜂群算法优化的PID 控制的AVR 系统的仿真与
分析
8.5 本章小结
参考文献
新能源系统篇
第9 章 基于人工蜂群优化算法的太阳能电池模型参数的辨识
9.1 太阳能电池模型辨识原理介绍
9.2 太阳能电池模型辨识问题描述
9.2.1 单二极管等效模型
9.2.2 双二极管等效模型
9.3 基于人工蜂群优化算法的太阳能电池模型参数的辨识
9.4 仿真分析
9.5 本章小结
参考文献
第10 章 基于人工蜂群算法的孤岛式混合能源系统优化配置方法
10.1 混合能源系统配置优化方法研究概况
10.2 孤岛式光伏
10.2.1 光伏发电子系统
10.2.2 风机系统
10.2.3 电池组储能系统
10.2.4 柴油机
10.3 基于人工蜂群算法的孤岛式混合能源系统优化配置方法
10.3.1 目标函数
10.3.2 基于人工蜂群算法的孤岛式混合能源系统优化配置方法的
实现
10.4 仿真实验分析
10.5 本章小结
参考文献
后记
序言
前言
人工蜂群算法（Artificial Bee Colony，ABC）是由土耳其学者Karaboga D.于2005 年模拟蜜蜂寻觅花蜜过程中提出的一种群体智能优化算法。它是通过模拟蜂群分工寻找花蜜的机理，来解决多维优化问题的群集智能算法。众多的文献和数值优化分析实例已验证了人工蜂群算法比其他群体智能优化算法具有更好的优化机理和收敛性能。本书以解决工程问题为目的，针对人工蜂群优化算法应用于解决船舶工程、电力系统、信号处理、控制系统和新能源等领域的若干关键问题进行了深入研究和分析。本书是根据作者针对人工蜂群优化算法的以上应用进行深入研究并提出了自己的见解和思路编写出来的。全书共10 章，分为6 个主题：基础篇，包括第1 章人工蜂群优化算法；船舶工程篇，包括第2 章基于人工蜂群优化算法的船舶电力系统故障诊断方法和第3 章基于人工蜂群优化机理的目标船舶方位估计方法；电力系统篇，包括第4 章人工蜂群优化算法在谐波估计中的应用；信号处理篇，包括第5 章基于人工蜂群优化机理的盲源有序分离算法，第6 章人工蜂群优化算法在复数盲源分离中的应用和第7 章人工蜂群优化算法在单通道周期性信号盲分离的应用；控制系统篇，包括第8 章基于人工蜂群优化机理的PID控制的AVR 系统；新能源系统篇，包括第9 章基于人工蜂群优化算法的太阳能电池模型参数的辨识和第10 章基于人工蜂群算法的孤岛式混合能源系统优化配置方法。这些应用不仅有理论上的分析，还通过MATLAB 仿真实验予以验证。
人类文明不断进步，科学发展日新月异，本书在科学探索的道路上还有诸多不尽之处，但笔者谨怀抛砖引玉之心，希望能够为后续研究奠定基础，提供参考，启发思路，共同为人工蜂群优化算法在工程应用领域的研究工作不懈努力。
本书受国家自然科学基金(51309116)、农业部渔业装备与工程技术重点实验室基金(2016002)、福建省自然科学基金(2016J01736) 和福建省教育厅杰青科研基金(JA14169)资助。此外，要特别感谢我的研究生尹川为本书的第2、4 章提供思路和进行MATLAB 仿真实验。
王荣杰
2016 年9 月
文摘
版权页：
插图：
《人工蜂群优化算法的应用》不仅有理论上的分析，还通过MATLAB仿真实验予以验证，适合从事信号处理、自动化控制和智能信息处理研究的科研人员以及电子信息类专业的师生学习研究参考。
作者简介
王荣杰，中山大学博士，香港理工大学访问学者，现为集美大学副教授、硕士生导师，主要从事智能信息处理和电力系统故障诊断方向的研究，近五年以第一作者身份在国内外学术期刊发表论文29篇，SCI和EI同时检索7篇，EI检索8篇，2009年-2014年多篇论文获福建省电机工程学会优秀论文二、三等奖。
目录
基础篇
第1 章 人工蜂群优化算法
1.1 蜜蜂的觅食行为
1.2 人工蜂群优化算法
1.2.1 原型人工蜂群优化算法Ⅰ
1.2.2 原型人工蜂群优化算法Ⅱ
1.3 本书的内容与组织结构
1.3.1 本书的内容
1.3.2 本书的组织结构
参考文献
船舶工程篇
第2 章 基于人工蜂群优化算法的船舶电力系统故障诊断方法
2.1 船舶电力系统故障诊断研究概况
2.2 保护继电器或断路器拒动情况的目标函数建立
2.2.1 船舶电力系统故障类型分析
2.2.2 船舶电力系统故障诊断的目标函数
2.3 基于人工蜂群优化算法的船舶电力系统故障诊断方法
2.4 仿真实验分析
2.5 本章小结
参考文献
第3 章 基于人工蜂群优化机理的目标船舶方位估计方法
3.1 船舶方位估计介绍
3.2 目标船舶方位估计问题描述
3.3 基于人工蜂群优化机理的目标船舶DOA 方位估计
3.4 仿真分析
3.5 本章小结
参考文献
电力系统篇
第4 章 人工蜂群优化算法在谐波估计中的应用
4.1 谐波估计方法研究概况
4.2 谐波估计问题描述
4.3 基于群智能优化算法的谐波估计
4.3.1 相位的估计
4.3.2 幅值的估计
4.3.3 群智能优化算法
4.3.4 基于群体智能优化算法的谐波估计
4.4 仿真实验分析
4.4.1 无噪声的谐波估计
4.4.2 有噪声的谐波估计
4.5 本章小结
参考文献
信号处理篇
第5 章 基于人工蜂群优化机理的盲源有序分离算法
5.1 盲源分离的基本概念
5.2 盲源有序分离问题描述
5.3 基于人工蜂群优化机理的盲源有序分离算法
5.3.1 PSO 算法
5.3.2 DE 算法
5.3.3 基于群体智能优化算法的盲源有序分离
5.4 仿真实验分析
5.5 本章小结
参考文献
第6 章 人工蜂群优化算法在复数盲源分离中的应用
6.1 复数盲源分离研究概况
6.2 复数盲源分离问题描述
6.3 改进的人工蜂群优化算法
6.4 基于ABC 优化的有序复值盲源分离算法
6.4.1 基于交叉验证技术的复数源信号个数估计
6.4.2 复值盲源抽取的代价函数
6.4.3 基于ABC 优化的有序复值盲抽取算法
6.5 基于ABC 的欠定复数盲源分离算法
6.6 仿真分析
6.6.1 改进的ABC 算法优化性能的测试
6.6.2 基于ABC 优化的有序复值BSS 算法的仿真与分析
6.6.3 基于ABC 优化的欠定复数BSS 算法的仿真与分析
6.7 本章小结
参考文献
第7 章 人工蜂群优化算法在单通道周期性信号盲分离的应用
7.1 单通道盲源分离介绍
7.2 单通道周期性信号盲分离问题描述
7.3 周期性混合信号的单通道盲分离算法
7.3.1 希尔伯特变换
7.3.2 基于交叉验证技术的阶数估计
7.3.3 利用人工蜂群优化算法的基频和源数估计
7.3.4 基于自适应滤波的谐波幅值估计
7.4 仿真分析
7.5 本章小结
参考文献
控制系统篇
第8 章 基于人工蜂群优化机理的PID 控制的AVR 系统
8.1 AVR 系统和PID 控制器的介绍
8.2 AVR 系统模型
8.3 基于人工蜂群优化机理的PID 控制的AVR 系统
8.3.1 PID 控制的AVR 系统
8.3.2 基于人工蜂群优化机理的PID 控制的AVR 系统
8.4 仿真分析
8.4.1 优化算法测试
8.4.2 基于人工蜂群算法优化的PID 控制的AVR 系统的仿真与
分析
8.5 本章小结
参考文献
新能源系统篇
第9 章 基于人工蜂群优化算法的太阳能电池模型参数的辨识
9.1 太阳能电池模型辨识原理介绍
9.2 太阳能电池模型辨识问题描述
9.2.1 单二极管等效模型
9.2.2 双二极管等效模型
9.3 基于人工蜂群优化算法的太阳能电池模型参数的辨识
9.4 仿真分析
9.5 本章小结
参考文献
第10 章 基于人工蜂群算法的孤岛式混合能源系统优化配置方法
10.1 混合能源系统配置优化方法研究概况
10.2 孤岛式光伏
10.2.1 光伏发电子系统
10.2.2 风机系统
10.2.3 电池组储能系统
10.2.4 柴油机
10.3 基于人工蜂群算法的孤岛式混合能源系统优化配置方法
10.3.1 目标函数
10.3.2 基于人工蜂群算法的孤岛式混合能源系统优化配置方法的
实现
10.4 仿真实验分析
10.5 本章小结
参考文献
后记
序言
前言
人工蜂群算法（Artificial Bee Colony，ABC）是由土耳其学者Karaboga D.于2005 年模拟蜜蜂寻觅花蜜过程中提出的一种群体智能优化算法。它是通过模拟蜂群分工寻找花蜜的机理，来解决多维优化问题的群集智能算法。众多的文献和数值优化分析实例已验证了人工蜂群算法比其他群体智能优化算法具有更好的优化机理和收敛性能。本书以解决工程问题为目的，针对人工蜂群优化算法应用于解决船舶工程、电力系统、信号处理、控制系统和新能源等领域的若干关键问题进行了深入研究和分析。本书是根据作者针对人工蜂群优化算法的以上应用进行深入研究并提出了自己的见解和思路编写出来的。全书共10 章，分为6 个主题：基础篇，包括第1 章人工蜂群优化算法；船舶工程篇，包括第2 章基于人工蜂群优化算法的船舶电力系统故障诊断方法和第3 章基于人工蜂群优化机理的目标船舶方位估计方法；电力系统篇，包括第4 章人工蜂群优化算法在谐波估计中的应用；信号处理篇，包括第5 章基于人工蜂群优化机理的盲源有序分离算法，第6 章人工蜂群优化算法在复数盲源分离中的应用和第7 章人工蜂群优化算法在单通道周期性信号盲分离的应用；控制系统篇，包括第8 章基于人工蜂群优化机理的PID控制的AVR 系统；新能源系统篇，包括第9 章基于人工蜂群优化算法的太阳能电池模型参数的辨识和第10 章基于人工蜂群算法的孤岛式混合能源系统优化配置方法。这些应用不仅有理论上的分析，还通过MATLAB 仿真实验予以验证。
人类文明不断进步，科学发展日新月异，本书在科学探索的道路上还有诸多不尽之处，但笔者谨怀抛砖引玉之心，希望能够为后续研究奠定基础，提供参考，启发思路，共同为人工蜂群优化算法在工程应用领域的研究工作不懈努力。
本书受国家自然科学基金(51309116)、农业部渔业装备与工程技术重点实验室基金(2016002)、福建省自然科学基金(2016J01736) 和福建省教育厅杰青科研基金(JA14169)资助。此外，要特别感谢我的研究生尹川为本书的第2、4 章提供思路和进行MATLAB 仿真实验。
王荣杰
2016 年9 月
文摘
版权页：
插图：
| ISBN | 9787121305610,7121305615 |
|---|---|
| 出版社 | 电子工业出版社 |
| 作者 | 王荣杰 |
| 尺寸 | 16 |