《智能优化算法与MATLAB编程实践》介绍了国内外新研发的10种智能优化算法，对每种算法的灵感来源、实现过程、函数编程、案例应用都进行了细致描述并给出详细的MATLAB代码，使读者快速掌握智能优化算法的学习和应用方法。 全书共分为12章，前10章分别介绍10种智能优化算法的原理、MATLAB实现、具体函数寻优求解过程和应用案例；第11章列举了23种衡量智能优化算法性能的常见测试函数，并给出MATLAB代码；第12章重点介绍智能优化算法的评价指标体系，选取部分测试函数和文中算法进行测试与分析，并给出完整MATLAB代码，供读者参考。 本书的主要特点为算法新颖，要素齐全，案例丰富，可移植性和实战性强。理论研究和工程技术人员可通过本书快速理解、掌握书中算法，节省大量时间，感兴趣的读者可以在此基础上进行深入研究。 本书可作为本科生、研究生和教师的学习用书，也可以作为广大科研工作者、工程技术人员的参考用书。
算法新颖：介绍国内外新近研究开发的10种智能优化算法，包含完整的建模过程和MATLAB代码案例，对于初学者具有较强的启发作用。
要素齐全：对每种算法的灵感来源、实现过程、函数编程、案例应用进行细致描述，给出详细的MATLAB代码，使读者快速掌握智能优化算法的学习和应用方法。
案例丰富：对于理论研究和工程技术人员，可通过本书节省大量时间，快速理解、掌握书中算法，感兴趣的读者可以在此基础上进行深入研究。
实战性强：对于要应用算法工具解决具体问题的理论研究和工程技术人员来说，通过阅读本书可以节省大量查询资料和编写程序的时间，通过MATLAB仿真实例更加深入地理解、快速地掌握算法。
近年来，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，智能优化算法得到了快速发展和广泛应用。智能优化算法又称为元启发式算法，包括粒子群算法、遗传算法、模拟退火算法、禁忌搜索算法、蚁群算法等。智能优化算法的常见灵感来源通常为生物、物理、化学、社会等系统或领域中相关的行为、功能、经验、规则、作用机理等，因其独特的优点和机制，在国内外得到广泛关注。智能优化算法正在不断演化和飞速发展，在信号图像处理、生产任务分配、路径规划、自主自动控制等众多领域得到了成功应用。
本书介绍了10种智能优化算法，包括蜉蝣优化算法、哈里斯鹰优化算法、狮群优化算法、樽海鞘群算法、秃鹰搜索算法、乌燕鸥优化算法、平衡优化器算法、海洋捕食者算法、算术优化算法和蝠鲼觅食优化算法。全书共分为12章，前10章分别对应上述一种智能优化算法，每章分为4节，第一节主要对算法来源、原理、过程和流程进行详细介绍，第二节给出算法完整的MATLAB实现代码，第三节针对某一具体的函数模型进行MATLAB编程寻优，第四节针对某一具体应用问题进行MATLAB主函数设计。第11章列出了23种用于衡量智能优化算法性能的常见测试函数，并给出了每种测试函数的MATLAB编程代码。第12章重点介绍了智能优化算法评价指标体系，选取了8种测试函数以及10种工程案例，对前10章介绍的部分智能优化算法进行测试与分析，给出完整MATLAB代码，供读者参考。
本书主要特点为算法新颖，要素齐全，案例丰富，可移植性强。本书涉及的算法均为国内外新开发研究的算法，包含完整的建模过程和MATLAB代码案例，对于初学者具有较强的启发作用。本书实战性强，对于要应用算法工具解决具体问题的理论研究和工程技术人员来说，通过阅读本书可以节省大量查询资料和编写程序的时间，通过MATLAB仿真实例更加深入地理解、快速地掌握算法。每种算法的优化目标可以很多，感兴趣的读者可以在此基础上进行深入研究。
在本书编写过程中，除了引用智能优化算法的原始文献，还参考了国内外相关研究的文献及有价值的博士、硕士学位论文等，感谢被本书直接或间接引用文献资料的同行学者们！
本书的出版得到清华大学出版社的大力支持，在此表示由衷感谢！
由于编著者水平有限，书中难免存在不足之处，诚挚希望各位专家和读者批评指正。
编 者
陈克伟，陆军装甲兵学院讲师，从事过电气工程与智能控制研究，发表论文20余篇，授权发明专利10余项。
魏曙光，陆军装甲兵学院副教授，主要从事电气工程与智能控制，车辆综合电力等方面的研究工作。出版专著教材6部，发表论文50余篇，授权发明专利20余项，曾获国家科技进步二等奖1项，军队科技进步一等奖3项。
范旭，芯原微电子（成都）有限公司高级工程师，曾先后任职全球领先半导体设备公司，机器视觉设备公司，芯片设计公司，从事过图像算法工程师，机器视觉机器人的开发，以及图形算法，GPU芯片架构开发。
张嘉曦，陆军装甲兵学院助教，主要从事电气工程及其自动化专业教学，研究车辆电传动技术，控制算法等。
金东阳，陆军装甲兵学院讲师，国家jiaoyu部某重点实验室成员，军委科技委重点实验室成员。主要从事智能化作战概念，智能作战任务规划，智能化无人集群控制等方面研究。
王素云，陆军装甲兵学院基础部副教授，主要从事数学教学和科研工作。
谭玉彬，陆军装甲兵学院室主任兼高级工程师，主要从事装备管理和维修保障工作。
张明，中央民族大学，主要研究无人机集群算法以及图像处理中的属性识别，目标检测等。
目 录
第1章 蜉蝣优化算法 1
1.1 基本原理 1
1.1.1 雄性蜉蝣的运动 1
1.1.2 雌性蜉蝣的运动 2
1.1.3 雌雄蜉蝣的交配过程 3
1.1.4 蜉蝣优化算法流程 3
1.2 MATLAB实现 4
1.2.1 种群初始化 4
1.2.2 适应度函数 7
1.2.3 边界检查和约束函数 8
1.2.4 蜉蝣优化算法代码 9
1.3 函数寻优 13
1.3.1 问题描述 13
1.3.2 适应度函数设计 14
1.3.3 主函数设计 15
1.4 减速器设计 16
1.4.1 问题描述 16
1.4.2 适应度函数设计 18
1.4.3 主函数设计 19
参考文献 21
第2章 哈里斯鹰优化算法 22
2.1 基本原理 22
2.1.1 搜索阶段 23
2.1.2 从搜索到开发的转换阶段 23
2.1.3 开发阶段 24
2.1.4 哈里斯鹰优化算法流程 27
2.2 MATLAB实现 28
2.2.1 种群初始化 29
2.2.2 适应度函数 31
2.2.3 边界检查和约束函数 32
2.2.4 Levy飞行函数 33
2.2.5 算法代码 34
2.3 函数寻优 37
2.3.1 问题描述 37
2.3.2 适应度函数设计 38
2.3.3 主函数设计 38
2.4 拉伸/压缩弹簧设计 40
2.4.1 问题描述 40
2.4.2 适应度函数设计 40
2.4.3 主函数设计 41
参考文献 43
第3章 狮群优化算法 44
3.1 基本原理 44
3.1.1 狮王更新方式 45
3.1.2 母狮更新方式 45
3.1.3 幼狮更新方式 46
3.1.4 狮群优化算法流程 47
3.2 MATLAB实现 48
3.2.1 种群初始化 48
3.2.2 适应度函数 51
3.2.3 边界检查和约束函数 51
3.2.4 狮群优化算法代码 52
3.3 函数寻优 54
3.3.1 问题描述 54
3.3.2 适应度函数设计 55
3.3.3 主函数设计 56
3.4 压力容器设计 57
3.4.1 问题描述 57
3.4.2 适应度函数设计 58
3.4.3 主函数设计 59
参考文献 61
第4章 樽海鞘群算法 62
4.1 基本原理 62
4.1.1 樽海鞘群算法的数学模型 62
4.1.2 樽海鞘群算法流程 64
4.2 MATLAB实现 65
4.2.1 种群初始化 65
4.2.2 适应度函数 68
4.2.3 边界检查和约束函数 69
4.2.4 樽海鞘群算法代码 70
4.3 函数寻优 71
4.3.1 问题描述 71
4.3.2 适应度函数设计 72
4.3.3 主函数设计 73
4.4 三杆桁架设计 74
4.4.1 问题描述 74
4.4.2 适应度函数设计 75
4.4.3 主函数设计 76
参考文献 78
第5章 秃鹰搜索算法 79
5.1 基本原理 79
5.1.1 选择阶段 79
5.1.2 搜索阶段 80
5.1.3 俯冲阶段 81
5.1.4 秃鹰搜索算法流程 81
5.2 MATLAB实现 82
5.2.1 种群初始化 82
5.2.2 适应度函数 85
5.2.3 边界检查和约束函数 86
5.2.4 秃鹰搜索算法代码 87
5.3 函数寻优 89
5.3.1 问题描述 89
5.3.2 适应度函数设计 90
5.3.3 主函数设计 90
5.4 齿轮传动设计 92
5.4.1 问题描述 92
5.4.2 适应度函数设计 93
5.4.3 主函数设计 93
参考文献 95
第6章 乌燕鸥优化算法 96
6.1 基本原理 96
6.1.1 迁徙行为（勘探阶段） 96
6.1.2 攻击行为（开发阶段） 97
6.1.3 乌燕鸥优化算法流程 98
6.2 MATLAB实现 99
6.2.1 种群初始化 99
6.2.2 适应度函数 102
6.2.3 边界检查和约束函数 102
6.2.4 乌燕鸥优化算法代码 104
6.3 函数寻优 105
6.3.1 问题描述 106
6.3.2 适应度函数设计 107
6.3.3 主函数设计 107
6.4 悬臂梁设计 108
6.4.1 问题描述 108
6.4.2 适应度函数设计 109
6.4.3 主函数设计 110
参考文献 112
第7章 平衡优化器算法 113
7.1 基本原理 113
7.1.1 算法物理背景 113
7.1.2 优化原理 114
7.1.3 平衡优化器算法流程 116
7.2 MATLAB实现 117
7.2.1 种群初始化 117
7.2.2 适应度函数 120
7.2.3 边界检查和约束函数 121
7.2.4 平衡优化器算法代码 122
7.3 函数寻优 124
7.3.1 问题描述 124
7.3.2 适应度函数设计 125
7.3.3 主函数设计 125
7.4 管状柱设计 127
7.4.1 问题描述 127
7.4.2 适应度函数设计 128
7.4.3 主函数设计 129
参考文献 130
第8章 海洋捕食者算法 132
8.1 基本原理 132
8.1.1 初始化 132
8.1.2 优化阶段 133
8.1.3 涡流形成与鱼群聚集装置效应 134
8.1.4 海洋捕食者算法流程 134
8.2 MATLAB实现 136
8.2.1 种群初始化 136
8.2.2 适应度函数 139
8.2.3 边界检查和约束函数 139
8.2.4 Levy飞行 140
8.2.5 海洋捕食者算法代码 141
8.3 函数寻优 144
8.3.1 问题描述 144
8.3.2 适应度函数设计 145
8.3.3 主函数设计 145
8.4 活塞杆设计 147
8.4.1 问题描述 147
8.4.2 适应度函数设计 148
8.4.3 主函数设计 149
参考文献 151
第9章 算术优化算法 152
9.1 基本原理 152
9.1.1 算术优化算法的原理 152
9.1.2 算术优化算法流程 154
9.2 MATLAB实现 156
9.2.1 种群初始化 156
9.2.2 适应度函数 158
9.2.3 边界检查和约束函数 159
9.2.4 算术优化算法代码 160
9.3 函数寻优 162
9.3.1 问题描述 162
9.3.2 适应度函数设计 163
9.3.3 主函数设计 163
9.4 焊接梁设计 165
9.4.1 问题描述 165
9.4.2 适应度函数设计 167
9.4.3 主函数设计 168
参考文献 169
第10章 蝠鲼觅食优化算法 171
10.1 基本原理 171
10.1.1 链式觅食 171
10.1.2 螺旋式觅食 172
10.1.3 翻滚式觅食 173
10.1.4 蝠鲼觅食优化算法流程 174
10.2 MATLAB实现 175
10.2.1 种群初始化 175
10.2.2 适应度函数 177
10.2.3 边界检查和约束函数 178
10.2.4 蝠鲼觅食优化算法代码 179
10.3 函数寻优 181
10.3.1 问题描述 181
10.3.2 适应度函数设计 183
10.3.3 主函数设计 183
10.4 钢筋混凝土梁设计 184
10.4.1 问题描述 185
10.4.2 适应度函数设计 185
10.4.3 主函数设计 186
参考文献 188
第11章 智能优化算法基准函数集合 189
11.1 基准测试集简介 189
11.2 基准测试函数搜索空间绘图和代码 191
11.2.1 F1函数 191
11.2.2 F2函数 192
11.2.3 F3函数 193
11.2.4 F4函数 195
11.2.5 F5函数 196
11.2.6 F6函数 197
11.2.7 F7函数 199
11.2.8 F8函数 200
11.2.9 F9函数 201
11.2.10 F10函数 202
11.2.11 F11函数 204
11.2.12 F12函数 205
11.2.13 F13函数 207
11.2.14 F14函数 208
11.2.15 F15函数 209
11.2.16 F16函数 211
11.2.17 F17函数 212
11.2.18 F18函数 213
11.2.19 F19函数 215
11.2.20 F20函数 216
11.2.21 F21函数 218
11.2.22 F22函数 219
11.2.23 F23函数 220
参考文献 222
第12章 智能优化算法性能测试 223
12.1 智能优化算法评价指标 223
12.1.1 平均值 223
12.1.2 标准差 223
12.1.3 最优值和最差值 225
12.1.4 收敛曲线 225
12.2 基准测试函数测试 226
12.2.1 测试函数信息 226
12.2.2 测试方法及参数设置 226
12.2.3 测试结果 227
12.2.4 测试代码 233
12.3 工程案例测试 235
12.3.1 测试案例信息 235
12.3.2 测试方法及参数设置 245
12.3.3 测试结果 246
12.2.4 测试代码 253
书单推荐
