田雨波編著的《粒子群優化算法及電磁應用》在論述粒子群優化算法基本原理的基礎上，介紹有關改進設計，同時給出各種改進設計在電磁場工程問題中的應用。從內容上看，全書分為兩個部分：第一部分為第2～12章，主要論述粒子群優化算法，包括標準粒子群優化算法、粒子群優化算法的物理基礎、粒子群優化算法的邊界條件、量子粒子群優化算法、云粒子群優化算法、簡化粒子群優化算法、蛙跳粒子群優化算法、小波粒子群優化算法、二進制粒子群優化算法及基于粒子群優化算法的神經網絡和神經網絡集成等；第二部分為13～18章，主要論述粒子群優化算法在電磁工程中的應用，包括電磁問題中的復超越方程求解、濾波器設計、微帶天線設計、諧振頻率建模、吸波材料設計和天線陣綜合等。

緒論

第1章 緒論

1.1 優化方法

1.1.1 優化的基本概念

1.1.2 優化問題的分類

1.1.3 優化算法的復雜度

1.2 智能優化方法

1.2.1 智能優化方法的基本概念

1.2.2 智能優化方法的特點

1.2.3 智能優化方法的哲學定理

1.3 粒子群優化算法

1.4 粒子群優化算法的電磁應用

參考文獻

 

第一部分 粒子群優化算法

第2章 標準粒子群優化算法

2.1 引言

2.2 算法概述

2.2.1 算法原理

2.2.2 算法數學描述

2.2.3 算法流程

2.2.4 算法參數

2.3 算法模型

2.3.1 算法模型分析

2.3.2 算法拓撲結構

12.3.3 算法鄰域結構

2.4 算法優點和局限性

2.4.1 算法的優點

2.4.2 算法的局限性

2.5 粒子更新方法研究

2.6 算法應用及展望

2.6.1 算法的應用

2.6.2 算法的研究方向

參考文獻

 

第3章 粒子群優化算法的物理基礎

3.1 引言

3.2 分子動力學理論

3.2.1 保守PSO環境

3.2.2 耗散PSO環境

3.3 PSO環境的熱動力學分析

3.3.1 熱力學平衡

3.3.2 能量因素

3.3.3 動力學特性

3.4 PSO算法的擴散模型

3.5 PSO算法的馬爾可夫模型

3.5.1 基于概率理論的更新方程

3.5.2 馬爾可夫鏈模型

3.5.3 廣義PSO算法

參考文獻

 

第4章 粒子群優化算法的邊界條件

4.1 引言

4.2 邊界條件分類

4.3 數值仿真實驗

4.3.1 測試函數

4.3.2 仿真結果及分析

參考文獻

 

第5章 量子粒子群優化算法

5.1 引言

5.2 算法概述

5.2.1 算法原理

……

第二部分 粒子群優化算法的電磁應用