Python智能優化算法：從原理到代碼實現與應用

第1章 黏菌演算法及其Python實現 1
1.1 黏菌演算法的基本原理 1
1.1.1 接近食物階段 1
1.1.2 包圍食物階段 2
1.1.3 抓取食物階段 2
1.1.4 黏菌演算法流程 3
1.2 黏菌演算法的Python實現 4
1.2.1 種群初始化 4
1.2.2 適應度函數 5
1.2.3 邊界檢查和約束函數 6
1.2.4 黏菌演算法代碼 7
1.3 黏菌演算法的應用案例 10
1.3.1 求解函數 值 10
1.3.2 基於黏菌演算法的壓力容器設計 12
1.3.3 基於黏菌演算法的三杆桁架設計 15
1.3.4 基於黏菌演算法的拉壓彈簧設計 18
參考文獻 21

第2章 人工蜂群演算法及其Python實現 22
2.1 人工蜂群演算法的基本原理 22
2.1.1 種群初始化 23
2.1.2 蜂搜索 24
2.1.3 跟隨蜂搜索 24
2.1.4 偵察蜂搜索 25
2.1.5 人工蜂群演算法流程 25
2.2 人工蜂群演算法的Python實現 26
2.2.1 種群初始化 26
2.2.2 適應度函數 28
2.2.3 邊界檢查和約束函數 28
2.2.4 輪盤賭策略 29
2.2.5 人工蜂群演算法代碼 30
2.3 人工蜂群演算法的應用案例 34
2.3.1 求解函數 值 34
2.3.2 基於人工蜂群演算法的壓力容器設計 36
2.3.3 基於人工蜂群演算法的三杆桁架設計 39
2.3.4 基於人工蜂群演算法的拉壓彈簧設計 42
參考文獻 45

第3章 蝗蟲優化演算法及其Python實現 46
3.1 蝗蟲優化演算法的基本原理 46
3.1.1 蝗蟲優化演算法數學模型 46
3.1.2 社會相互作用力 47
3.1.3 蝗蟲優化演算法流程 50
3.2 蝗蟲優化演算法的Python實現 50
3.2.1 種群初始化 50
3.2.2 適應度函數 52
3.2.3 邊界檢查和約束函數 52
3.2.4 社會相互作用力函數 53
3.2.5 蝗蟲優化演算法代碼 54
3.3 蝗蟲優化演算法的應用案例 57
3.3.1 求解函數 值 57
3.3.2 基於蝗蟲優化演算法的壓力容器設計 59
3.3.3 基於蝗蟲優化演算法的三杆桁架設計 62
3.3.4 基於蝗蟲優化演算法的拉壓彈簧設計 65
參考文獻 68

第4章 蝴蝶優化演算法及其Python實現 69
4.1 蝴蝶優化演算法的基本原理 69
4.1.1 蝴蝶的香味 69
4.1.2 蝴蝶的移動與反覆運算 70
4.1.3 蝴蝶優化演算法流程 71
4.2 蝴蝶優化演算法的Python實現 72
4.2.1 種群初始化 72
4.2.2 適應度函數 73
4.2.3 邊界檢查和約束函數 74
4.2.4 蝴蝶優化演算法代碼 75
4.3 蝴蝶優化演算法的應用案例 77
4.3.1 求解函數 值 77
4.3.2 基於蝴蝶優化演算法的壓力容器設計 80
4.3.3 基於蝴蝶優化演算法的三杆桁架設計 83
4.3.4 基於蝴蝶優化演算法的拉壓彈簧設計 86
參考文獻 89

第5章 飛蛾撲火優化演算法及其Python實現 90
5.1 飛蛾撲火優化演算法的基本原理 90
5.1.1 飛蛾與火焰 90
5.1.2 飛蛾撲火行為 91
5.1.3 飛蛾撲火優化演算法流程 93
5.2 飛蛾撲火優化演算法的Python實現 95
5.2.1 種群初始化 95
5.2.2 適應度函數 96
5.2.3 邊界檢查和約束函數 97
5.2.4 飛蛾撲火優化演算法代碼 98
5.3 飛蛾撲火優化演算法的應用案例 100
5.3.1 求解函數 值 100
5.3.2 基於飛蛾撲火優化演算法的壓力容器設計 103
5.3.3 基於飛蛾撲火優化演算法的三杆桁架設計 106
5.3.4 基於飛蛾撲火優化演算法的拉壓彈簧設計 109
參考文獻 112

第6章 海鷗優化演算法及其Python實現 113
6.1 海鷗優化演算法的基礎原理 113
6.1.1 海鷗遷徙 113
6.1.2 海鷗攻擊獵物 114
6.1.3 海鷗優化演算法流程 114
6.2 海鷗優化演算法的Python實現 115
6.2.1 種群初始化 115
6.2.2 適應度函數 117
6.2.3 邊界檢查和約束函數 117
6.2.4 海鷗優化演算法代碼 118
6.3 海鷗優化演算法的應用案例 121
6.3.1 求解函數 值 121
6.3.2 基於海鷗優化演算法的壓力容器設計 123
6.3.3 基於海鷗優化演算法的三杆桁架設計 126
6.3.4 基於海鷗優化演算法的拉壓彈簧設計 129
參考文獻 132

第7章 麻雀搜索演算法及其Python實現 133
7.1 麻雀搜索演算法的基本原理 133
7.1.1 麻雀種群 133
7.1.2 發現者位置更新 134
7.1.3 加入者位置更新 134
7.1.4 遇險應急的麻雀位置更新 134
7.1.5 麻雀搜索演算法流程 135
7.2 麻雀搜索演算法的Python實現 136
7.2.1 種群初始化 136
7.2.2 適應度函數 137
7.2.3 邊界檢查和約束函數 138
7.2.4 麻雀搜索演算法代碼 139
7.3 麻雀搜索演算法的應用案例 142
7.3.1 求解函數 值 142
7.3.2 基於麻雀搜索演算法的壓力容器設計 144
7.3.3 基於麻雀搜索演算法的三杆桁架設計 147
7.3.4 基於麻雀搜索演算法的拉壓彈簧設計 150
參考文獻 153

第8章 鯨魚優化演算法及其Python實現 154
8.1 鯨魚優化演算法的基本原理 154
8.1.1 包圍獵物 154
8.1.2 氣泡網攻擊方式 155
8.1.3 尋找獵物 157
8.1.4 鯨魚優化演算法流程 158
8.2 鯨魚優化演算法的Python實現 159
8.2.1 種群初始化 159
8.2.2 適應度函數 161
8.2.3 邊界檢查和約束函數 161
8.2.4 鯨魚優化演算法代碼 162
8.3 鯨魚優化演算法的應用案例 165
8.3.1 求解函數 值 165
8.3.2 基於鯨魚優化演算法的壓力容器設計 167
8.3.3 基於鯨魚優化演算法的三杆桁架設計 170
8.3.4 基於鯨魚優化演算法的拉壓彈簧設計 173
參考文獻 176

第9章 黃金正弦演算法及其Python實現 177
9.1 黃金正弦演算法的基本原理 177
9.1.1 正弦函數 177
9.1.2 黃金分割 177
9.1.3 初始化 178
9.1.4 黃金分割係數計算 178
9.1.5 位置更新 179
9.1.6 黃金分割係數更新 179
9.1.7 黃金正弦演算法流程 179
9.2 黃金正弦演算法的Python實現 180
9.2.1 種群初始化 180
9.2.2 適應度函數 182
9.2.3 邊界檢查和約束函數 182
9.2.4 黃金正弦演算法代碼 183
9.3 黃金正弦演算法的應用案例 186
9.3.1 求解函數 值 186
9.3.2 基於黃金正弦演算法的壓力容器設計 189
9.3.3 基於黃金正弦演算法的三杆桁架設計 192
9.3.4 基於黃金正弦演算法的拉壓彈簧設計 195
參考文獻 198

第10章 教與學優化演算法及其Python實現 199
10.1 教與學優化演算法的基本原理 199
10.1.1 教學階段 200
10.1.2 學習階段 200
10.1.3 教與學優化演算法流程 200
10.2 教與學優化演算法的Python
實現 202
10.2.1 種群初始化 202
10.2.2 適應度函數 203
10.2.3 邊界檢查和約束函數 204
10.2.4 教與學優化演算法代碼 205
10.3 教與學優化演算法的應用
案例 208
10.3.1 求解函數 值 208
10.3.2 基於教與學優化演算法的
壓力容器設計 210
10.3.3 基於教與學優化演算法的三杆
桁架設計 213
10.3.4 基於教與學優化演算法的
拉壓彈簧設計 216
參考文獻 219

第11章 智慧優化演算法基準測試集 220
11.1 基準測試集簡介 220
11.2 基準測試函數繪圖與測試
函數代碼編寫 222
11.2.1 函數F1 222
11.2.2 函數F2 223
11.2.3 函數F3 224
11.2.4 函數F4 226
11.2.5 函數F5 227
11.2.6 函數F6 229
11.2.7 函數F7 230
11.2.8 函數F8 232
11.2.9 函數F9 234
11.2.10 函數F10 235
11.2.11 函數F11 237
11.2.12 函數F12 238
11.2.13 函數F13 240
11.2.14 函數F14 242
11.2.15 函數F15 244
11.2.16 函數F16 246
11.2.17 函數F17 248
11.2.18 函數F18 249
11.2.19 函數F19 251
11.2.20 函數F20 252
11.2.21 函數F21 254
11.2.22 函數F22 256
11.2.23 函數F23 258

第12章 智慧優化演算法性能測試 260
12.1 智慧優化演算法性能測試
方法 260
12.1.1 平均值 260
12.1.2 標準差 260
12.1.3 優值和差值 261
12.1.4 收斂曲線 262
12.2 測試案例 262
12.2.1 測試函數資訊 262
12.2.2 測試方法及參數設置 263
12.2.3 測試結果 263