《信息化与工业化两化融合研究与应用丛书：粒子群算法及其工业应用》围绕粒子群算法在优化领域存在的不足，并结合具体工业生产过程的实际应用，对粒子群优化算法进行了改进和应用研究。《信息化与工业化两化融合研究与应用丛书：粒子群算法及其工业应用》阐述了粒子群优化方法的基本思想及各种改进方法；从峰值形态、高度、位置等几何特征分析了测试函数对单极值、多极值优化问题、欺骗性问题以及高维问题的优化性能的影响；对粒子群的搜索模式进行了深入探讨，提出了收敛模式和深度搜索模式，并从两种模式中获得粒子群算法收敛和收敛到全局最优解的一般规律与经验，为粒子群新算法的研究提供改进思路和方向；从粒子群的社会性、扰动变异、多种群协同、多算法融合等方面提出了多种改进粒子群优化方法的搜索策略。在理论研究的基础上，《信息化与工业化两化融合研究与应用丛书：粒子群算法及其工业应用》结合具体工业应用，将改进粒子群优化算法应用于汽油调合、蒸汽管网用能优化、大型精对苯二甲酸工业装置节能降耗、乙烯裂解炉裂解深度的优化运行等一类操作优化问题，并在系统辨识与控制、车间作业调度、数据挖掘等方面进行了应用研究。

《信息化与工业化两化融合研究与应用》序<br /><br />前言<br /><br />第1章&nbsp;绪论<br /><br />1．1&nbsp;引言<br /><br />1．2&nbsp;计算智能概述<br /><br />1．3&nbsp;群智能概述<br /><br />1．3．1&nbsp;蚁群算法简介<br /><br />1．3．2&nbsp;人工鱼群算法简介<br /><br />1．3．3&nbsp;混合蛙跳算法简介<br /><br />1．3．4&nbsp;粒子群算法简介<br /><br />参考文献<br /><br />第2章&nbsp;基本粒子群算法<br /><br />2．1&nbsp;引言<br /><br />2．2&nbsp;基本粒子群算法的原理<br /><br />2．3&nbsp;基本粒子群算法的模型分析<br /><br />2．4&nbsp;基本粒子群算法的参数分析<br /><br />2．5&nbsp;基本粒子群算法的种群拓扑结构<br /><br />2．6&nbsp;基本粒子群算法的改进研究<br /><br />参考文献<br /><br />第3章&nbsp;测试函数特征与算法搜索模式<br /><br />3．1&nbsp;引言<br /><br />3．2&nbsp;测试函数特征与优化性能<br /><br />3．2．1&nbsp;测试函数的控制域<br /><br />3．2．2&nbsp;单极值问题优化性能分析<br /><br />3．2．3&nbsp;多极值问题优化性能分析<br /><br />3．2．4&nbsp;欺骗性问题优化性能分析<br /><br />3．2．5&nbsp;高维问题优化性能分析<br /><br />3．2．6&nbsp;实验仿真<br /><br />3．3&nbsp;粒子群算法的搜索模式<br /><br />3．3．1&nbsp;收敛模式<br /><br />3．3．2&nbsp;深度搜索模式<br /><br />参考文献<br /><br />第4章&nbsp;改进粒子群算法<br /><br />4．1&nbsp;社会粒子群算法<br /><br />4．1．1&nbsp;社会粒子群算法基本思想<br /><br />4．1．2&nbsp;社会粒子群算法实现步骤<br /><br />4．1．3&nbsp;社会粒子群算法从众阈值的选取<br /><br />4．1．4&nbsp;静态函数仿真测试<br /><br />4．1．5&nbsp;动态函数仿真测试<br /><br />4．2&nbsp;自适应粒子群算法<br /><br />4．2．1&nbsp;自适应粒子群算法思想<br /><br />4．2．2&nbsp;自适应粒子群算法实现步骤<br /><br />4．2．3&nbsp;自适应粒子群算法实验测试<br /><br />4．3&nbsp;基于扰动变异的粒子群算法<br /><br />4．3．1&nbsp;基于高斯白噪声扰动变异的粒子群算法<br /><br />4．3．2&nbsp;动态双变异粒子群算法<br /><br />4．4&nbsp;混合粒子群算法<br /><br />4．4．1&nbsp;混沌粒子群算法<br /><br />4．4．2&nbsp;协同量子粒子群算法<br /><br />4．4．3&nbsp;基于量子理论的粒子群算法<br /><br />4．5&nbsp;相位角粒子群算法<br /><br />4．5．1&nbsp;相位角粒子群算法的结构<br /><br />4．5．2&nbsp;相位角粒子群算法实现步骤<br /><br />4．5．3&nbsp;函数仿真测试<br /><br />4．6&nbsp;基于载波的粒子群算法<br /><br />4．6．1&nbsp;基于载波的全局搜索<br /><br />4．6．2&nbsp;基于载波扩展的局部精确搜索<br /><br />4．6．3&nbsp;基于载波的粒子群算法实现步骤<br /><br />4．6．4&nbsp;函数仿真测试<br /><br />参考文献<br /><br />第5章&nbsp;粒子群算法在汽油调合优化中的应用<br /><br />5．1&nbsp;汽油调合建模方法<br /><br />5．1．1&nbsp;辛烷值调合效应模型<br /><br />5．1．2&nbsp;雷德蒸汽压模型<br /><br />5．2&nbsp;汽油调合优化方法<br /><br />5．2．1&nbsp;离线调合优化技术<br /><br />5．2．2&nbsp;在线调合优化技术<br /><br />5．3&nbsp;汽油调合优化方法仿真研究与现场应用<br /><br />5．3．1&nbsp;离线优化技术的仿真学习<br /><br />5．3．2&nbsp;离线优化技术的现场应用<br /><br />5．3．3&nbsp;在线优化技术的仿真学习<br /><br />参考文献<br /><br />第6章&nbsp;粒子群算法在乙烯装置优化运行中的应用<br /><br />6．1&nbsp;乙烯裂解炉裂解深度优化<br /><br />6．1．1&nbsp;乙烯裂解炉裂解深度优化目标<br /><br />6．1．2&nbsp;乙烯裂解炉裂解深度优化控制方案<br /><br />6．2&nbsp;乙烯装置蒸汽管网用能优化<br /><br />6．2．1&nbsp;乙烯装置蒸汽管网用能优化模型<br /><br />6．2．2&nbsp;基于协同量子粒子算法的蒸汽管网用能优化<br /><br />参考文献<br /><br />第7章&nbsp;粒子群算法在精对苯二甲酸装置优化运行中的应用<br /><br />7．1&nbsp;PX氧化反应过程操作优化<br /><br />7．1．1&nbsp;PX氧化反应动力学模型<br /><br />7．1．2&nbsp;神经网络宏观速率常数模型<br /><br />7．1．3&nbsp;PX氧化反应宏观动力学模型<br /><br />7．1．4&nbsp;乙酸和PX的燃烧损失模型<br /><br />7．1．5&nbsp;PX氧化反应过程的建模<br /><br />7．1．6&nbsp;基于口-PSO算法的PX氧化反应过程操作优化<br /><br />7．2&nbsp;PX氧化反应尾气冷凝系统用能优化<br /><br />7．2．1&nbsp;PX氧化反应尾气三级冷凝系统流程模拟<br /><br />7．2．2&nbsp;PX氧化反应尾气四级冷凝系统流程模拟<br /><br />7．2．3&nbsp;基于混沌粒子群算法的PX氧化反应尾气冷凝系统用能优化<br /><br />7．3&nbsp;粗对苯二甲酸加氢精制反应过程操作优化<br /><br />7．3．1&nbsp;加氢精制反应宏观动力学模型<br /><br />7．3．2&nbsp;加氢精制反应器模型<br /><br />7．3．3&nbsp;加氢精制反应过程的建模<br /><br />7．3．4&nbsp;基于口-PSO算法的加氢精制反应过程的操作优化<br /><br />7．4&nbsp;加氢精制过程结晶器一换热器综合网络用能优化<br /><br />7．4．1&nbsp;结晶器一换热器综合网络模型<br /><br />7．4．2&nbsp;基于改进粒子群算法的结晶器一换热器综合网络用能优化<br /><br />参考文献<br /><br />第8章&nbsp;粒子群算法在建模和控制中的应用<br /><br />8．1&nbsp;软测量建模<br /><br />8．1．1&nbsp;软测量技术原理<br /><br />8．1．2&nbsp;粒子群算法在软测量建模中的应用<br /><br />8．1．3&nbsp;基于动态双变异粒子群的丙烯精馏塔软测量建模<br /><br />8．1．4&nbsp;基于自适应粒子群的对羧基苯甲醛软测量建模<br /><br />8．2&nbsp;超声马达的辨识与控制<br /><br />8．2．1&nbsp;基于异化粒子群算法的Elman网络学习算法<br /><br />8．2．2&nbsp;基于DPS0学习算法的Elman网络对超声马达的辨识<br /><br />8．2．3&nbsp;基于DPS0学习算法的Elman网络对超声马达的速度控制<br /><br />参考文献<br /><br />第9章&nbsp;粒子群算法在车间调度作业中的应用<br /><br />9．1&nbsp;车间作业调度<br /><br />9．1．1&nbsp;JobShop调度问题描述<br /><br />9．1．2&nbsp;JSSP性能指标的正规性、等价性和活动调度<br /><br />9．2&nbsp;基于粒子群优化的车间作业调度问题求解<br /><br />9．2．1&nbsp;粒子群系统中JSSP问题的表述<br /><br />9．2．2&nbsp;初始粒子群生成<br /><br />9．2．3&nbsp;目标函数和适应度函数<br /><br />9．2．4&nbsp;冗余性与二级编码<br /><br />9．2．5&nbsp;粒子群系统的更新方式<br /><br />9．2．6&nbsp;基于粒子群优化求解JSSP问题的流程<br /><br />9．2．7&nbsp;数值模拟实验及结果<br /><br />9．3&nbsp;基于粒子群优化与人工免疫系统的混合智能算法求解车间作业调度问题<br /><br />9．3．1&nbsp;基于人工免疫系统的车间作业调度问题求解<br /><br />9．3．2&nbsp;基于PS()和AIS的混合智能算法<br /><br />9．3．3&nbsp;数值模拟实验及结果<br /><br />参考文献<br /><br />第10章&nbsp;粒子群算法在数据挖掘中的应用<br /><br />10．1&nbsp;数据挖掘概述<br /><br />10．1．1&nbsp;数据挖掘的产生及发展<br /><br />10．1．2&nbsp;数据挖掘的定义与功能<br /><br />10．1．3&nbsp;粒子群优化算法在数据挖掘中的应用<br /><br />10．2&nbsp;免疫混合粒子群增量分类算法<br /><br />10．2．1&nbsp;免疫记忆<br /><br />10．2．2&nbsp;人工免疫分类方法<br /><br />10．2．3&nbsp;基于免疫记忆的粒子群增量算法<br /><br />10．2．4&nbsp;仿真分析<br /><br />参考文献<br /><br />附录A&nbsp;常用的测试函数