智能优化算法及其MATLAB实例（第3版）

智能优化算法在解决大空间、非线性、全局寻优、组合优化等复杂问题方面具有独特的优势，因而得到了国内外学者的广泛关注，并在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。本书介绍了8种经典智能优化算法――遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法的来源、原理、算法流程和关键参数说明，并给出了具体的MATLAB仿真实例。对于要用这些算法工具来解决具体问题的理论研究和工程技术人员，通过本书可以节省大量查询资料和编写程序的时间，通过仿真实例可以更深入地理解、快速地掌握这些算法。

包子阳：高级工程师，自2009年8月至今工作于北京无线电测量研究所。2009年6月毕业于电子科技大学信号与信息处理专业，获硕士学位。一直从事雷达电气总体、智能算法和深度学习等研究工作。迄今出版人工智能算法专著3部，申请发明专利10项，在国际雷达会议、《系统工程与电子技术》等发表学术论文十余篇。

前 言

　　近年来，随着计算机技术的快速发展，为了在一定程度上解决大空间、非线性、全局寻优、组合优化等复杂问题，智能优化算法不断涌现，如：进化类算法、群智能算法、模拟退火算法、禁忌搜索算法和神经网络算法等。因其独特的优点和机制，这些算法得到了国内外学者的广泛关注，掀起了研究热潮，在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。

　　本书介绍了8种经典智能优化算法的来源、原理、算法流程和关键参数说明，并给出了具体MATLAB仿真实例，包括：遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法。全书分为9章：第1章为概述，综合介绍智能优化算法的功能和应用以及主要算法的来源、原理和特点；第2～9章对上述8种智能优化算法分别进行介绍，包括其算法简介、算法理论、算法主要种类、算法流程和关键参数说明，并给出MATLAB仿真实例，其中有的章节还介绍算法的改进方向和实现方法。

　　智能优化算法可应用于电子、通信、计算机、自动化、机器人、经济学和管理学等众多学科；对于要用这些算法工具来解决具体问题的理论研究和工程技术人员来说，通过本书可以节省大量查询资料和编写程序的时间，通过MATLAB仿真实例可以更深入地理解、快速地掌握这些算法。由于每种算法的优化目标可以很多，对应的修正算法也很多，感兴趣的读者可以在此基础上进行深入研究。

　　本书自第1版、第2版出版发行以来，得到广大读者的厚爱，并有幸被一些高校老师征订为学生教材，他们提出了很多中肯的意见和建议。此外，新版本的MATLAB软件对其中一些MATLAB函数进行了更新或替换。为此，有必要在之前版本的基础上进行一次全面的修订完善，并对MATLAB程序版本进行更新。

　　为便于读者学习和参考，书中的实例源程序可在华信教育资源网（https://www.hxedu.com.cn/）免费下载，或通过与本书责任编辑（[email protected]）联系获取。

　　本书由包子阳、余继周负责编写和修订，杨杉参与修订并负责审查和校正。在编写和修订过程中，得到了北京无线电测量研究所科技委、总体部、档信中心、党办、所办以及航天科工二院“创客银行”项目的支持和帮助，电子工业出版社相关编辑为本书的出版付出了辛勤劳动，特此表示感谢。

　　由于编著者水平有限，书中难免有各种不足之处，诚挚希望各位专家和读者批评指正。联系方式：[email protected]。

　　编著者

　　2020年10月

目 录

第1章 概述 1
1．1 进化类算法 2
1．2 群智能算法 3
1．3 模拟退火算法 5
1．4 禁忌搜索算法 5
1．5 神经网络算法 5
参考文献 6
第2章 遗传算法 7
2．1 引言 7
2．2 遗传算法理论 8
2．2．1 遗传算法的生物学基础 8
2．2．2 遗传算法理论基础 9
2．2．3 遗传算法的基本概念 11
2．2．4 标准遗传算法 14
2．2．5 遗传算法的特点 14
2．2．6 遗传算法的改进方向 15
2．3 遗传算法流程 15
2．4 关键参数说明 17
2．5 MATLAB仿真实例 18
参考文献 33
第3章 差分进化算法 35
3．1 引言 35
3．2 差分进化算法理论 36
3．2．1 差分进化算法原理 36
3．2．2 差分进化算法的特点 36
3．3 差分进化算法种类 37
3．3．1 基本差分进化算法 37
3．3．2 差分进化算法的其他形式 39
3．3．3 改进的差分进化算法 40
3．4 差分进化算法流程 41
3．5 关键参数的说明 42
3．6 MATLAB仿真实例 43
参考文献 55
第4章 免疫算法 57
4．1 引言 57
4．2 免疫算法理论 58
4．2．1 生物免疫系统 58
4．2．2 免疫算法概念 60
4．2．3 免疫算法的特点 61
4．2．4 免疫算法算子 61
4．3 免疫算法种类 65
4．3．1 克隆选择算法 65
4．3．2 免疫遗传算法 65
4．3．3 反向选择算法 65
4．3．4 疫苗免疫算法 66
4．4 免疫算法流程 66
4．5 关键参数说明 68
4．6 MATLAB仿真实例 69
参考文献 82
第5章 蚁群算法 85
5．1 引言 85
5．2 蚁群算法理论 86
5．2．1 真实蚁群的觅食过程 86
5．2．2 人工蚁群的优化过程 88
5．2．3 真实蚂蚁与人工蚂蚁的异同 88
5．2．4 蚁群算法的特点 89
5．3 基本蚁群算法及其流程 90
5．4 改进的蚁群算法 93
5．4．1 精英蚂蚁系统 93
5．4．2 最大最小蚂蚁系统 93
5．4．3 基于排序的蚁群算法 94
5．4．4 自适应蚁群算法 94
5．5 关键参数说明 95
5．6 MATLAB仿真实例 97
参考文献 106
第6章 粒子群算法 109
6．1 引言 109
6．2 粒子群算法理论 110
6．2．1 粒子群算法描述 110
6．2．2 粒子群算法建模 111
6．2．3 粒子群算法的特点 111
6．3 粒子群算法种类 112
6．3．1 基本粒子群算法 112
6．3．2 标准粒子群算法 112
6．3．3 压缩因子粒子群算法 113
6．3．4 离散粒子群算法 114
6．4 粒子群算法流程 114
6．5 关键参数说明 115
6．6 MATLAB仿真实例 118
参考文献 133
第7章 模拟退火算法 135
7．1 引言 135
7．2 模拟退火算法理论 136
7．2．1 物理退火过程 136
7．2．2 模拟退火原理 137
7．2．3 模拟退火算法思想 138
7．2．4 模拟退火算法的特点 139
7．2．5 模拟退火算法的改进方向 139
7．3 模拟退火算法流程 140
7．4 关键参数说明 141
7．5 MATLAB仿真实例 143
参考文献 154
第8章 禁忌搜索算法 155
8．1 引言 155
8．2 禁忌搜索算法理论 156
8．2．1 局部邻域搜索 156
8．2．2 禁忌搜索 157
8．2．3 禁忌搜索算法的特点 157
8．2．4 禁忌搜索算法的改进方向 158
8．3 禁忌搜索算法流程 158
8．4 关键参数说明 160
8．5 MATLAB仿真实例 163
参考文献 174
第9章 神经网络算法 177
9．1 引言 177
9．2 神经网络算法理论 178
9．2．1 人工神经元模型 178
9．2．2 常用激活函数 179
9．2．3 神经网络模型 180
9．2．4 神经网络工作方式 180
9．2．5 神经网络算法的特点 181
9．3 梯度下降算法 182
9．4 BP神经网络算法 183
9．5 神经网络算法的实现 186
9．5．1 数据预处理 186
9．5．2 神经网络实现函数 188
9．6 MATLAB仿真实例 191
参考文献 199
附录A MATLAB主要函数命令 201