第1章 绪论

1.1 群智能算法

1.2 支持向量机

第2章 粒子群算法

2.1 理论基础

2.2 基本粒子群算法

2.2.1 算法流程

2.2.2 函数寻优

2.3 一种非线性改变惯性权重的粒子群算法

2.3.1 算法改进思想

2.3.2 仿真实验

2.3.3 结果分析

2.4 案例分析

2.4.1 改进粒子群算法优化BP网络

2.4.2 PSO-BP算法预测LAN/WLAN网络可靠性

2.4.3 PSO-BP算法预测导线耦合串扰

第3章 人工鱼群算法

3.1 理论基础

3.2 基本人工鱼群算法

3.2.1 算法流程

3.2.2 函数寻优

3.3 基于视野递减反馈策略的改进人工鱼群算法

3.3.1 算法改进思想

3.3.2 仿真实验

3.3.3 结果分析

3.4 案例分析

3.4.1 改进人工鱼群算法求解路径优化问题

3.4.2 改进人工鱼群算法求解旅游线路问题

第4章 蚁群算法

4.1 理论基础

4.2 基本蚁群算法

4.2.1 算法流程

4.2.2 研究现状

4.3 基于粒子群和蚁群的混合连续优化算法

4.3.1 算法改进思想

4.3.2 仿真实验

4.3.3 结果分析

4.4 案例分析

4.4.1 蚁群算法求解中国旅行商的问题

4.4.2 蚁群算法求解三维路径规划问题

第5章 群集蜘蛛优化算法

5.1 理论基础

5.2 基本群集蜘蛛优化算法

5.2.1 算法流程

5.2.2 研究现状

5.3 自适应多种群回溯群居蜘蛛算法

5.3.1 算法改进思想

5.3.2 仿真实验

5.3.3 结果分析

5.4 案例分析

5.4.1 自适应多种群回溯群居蜘蛛算法求解TSP问题

5.4.2 基于离散群居蜘蛛算法的分簇WSNs路由优化

第6章 支持向量机

6.1 理论基础

6.2 支持向量机原理

6.2.1 支持向量分类机

6.2.2 支持向量回归学习机

6.2.3 Libsvm软件包

6.2.4 建模流程与实现步骤

6.3 案例分析

6.3.1 基于SVM的LAN/WLAN集成网络可靠性的预测模型

6.3.2 基于SVM的野战地域通信网的可靠性预测

参考文献