徐星的这本《热力学粒子群优化算法研究及其应用》借鉴统计物理和热力学中的机制来设计和改进PSO算法，从微观、介观和宏观三个不同层面加以模拟分子热运动冲分子力、布朗运动和扩散现象三个机制，提出了一类融合热力学机制的粒子群优化算法，然后把提出的改进PSO算法应用于非线性模型的参数估计，最后基于策略模式设计和实现了PSO算法平台。

本书适合计算机、控制科学、自动化等相关学科的研究生、教师和相关科研人员使用。

徐星的这本《热力学粒子群优化算法研究及其应用》主要阐述粒子群优化算法与热力学原理混合策略方面的研究成果。全书是在作者博士学位论文的基础上撰写而成，共分为七章。第1章从智能算法的角度系统地阐述了智能研究的发展历程；第2章介绍了粒子群优化算法的两个思想起源，并从五个方面对粒子群优化算法的研究现状做了一个简要的概述；第3～5章将热力学原理和热运动机制引入到粒子群优化算法的设计与分析之中，分别从分子力、布朗运动、扩散现象三个层面研究一类融合热力学机制的粒子群优化算法；第6章把第3～5章提出的改进粒子群优化算法应用于非线性模型的参数估计；第7章基于策略模式设计并实现了粒子群优化算法平台。

本书可以作为计算机、控制科学、自动化等学科的参考书，也可供从事智能计算和演化优化等方面研究的科研人员阅读与参考。

第1章 绪论

 1.1 智能与智能科学

 1.2 人工智能

 1.3 计算智能

1.3.1 演化计算

1.3.2 模拟退火算法

1.3.3 禁忌搜索

1.3.4 免疫算法

 1.4 群智能

1.4.1 粒子群优化算法

1.4.2 蚁群算法

1.4.3 鱼群算法

1.4.4 其他群智能算法

第2章 粒子群优化算法研究现状

 2.1 粒子群优化算法思想起源和发展

2.1.1 粒子群优化算法的思想起源

2.1.2 粒子群优化算法的发展

 2.2 粒子群优化算法的理论分析

 2.3 粒子群优化算法的种群结构

2.3.1 静态邻域拓扑结构研究

2.3.2 动态邻域拓扑结构研究

 2.4 粒子群优化算法的参数选择及优化

 2.5 粒子群优化算法与其他思想的融合

 2.6 粒子群优化算法的应用研究

第3章 基于分子运动论的粒子群优化算法

 3.1 分子运动论的发展过程

 3.2 改进的粒子群优化算法

 3.3 实验仿真与结果分析

 3.4 吸引和排斥阶段的行为分析

3.4.1 吸引和排斥的比例变化

3.4.2 粒子到群质心距离最大、最小和平均值的变化曲线

 3.5 MPSO算法的参数选取及优化

3.5.1 正交试验设计

3.5.2 基于正交试验设计的参数选择和优化

第4章 基于伊藤过程的粒子群优化算法

 4.1 伊藤过程

 4.2 伊藤算法

4.2.1 伊藤过程的抽象

4.2.2 伊藤算法的框架及关键算子的设计

 4.3 基于伊藤过程的三种改进粒子群优化算法

4.3.1 具有漂移算子的粒子群优化算法

4.3.2 IPS01算法的初步实验

4.3.3 具有漂移和波动算子的粒子群优化算法

4.3.4 基于热力学选择机制的漂移粒子群优化算法

4.3.5 实验仿真与结果分析

第5章 基于扩散机制的双种群粒子群优化算法

 5.1 扩散现象

 5.2 扩散定律及扩散系数

 5.3 融合扩散机制的双种群粒子群优化算法

5.3.1 相关工作

5.3.2 DPSO算法的思想和流程

 5.4 实验结果及分析

 5.5 借鉴不同热运动机制的PSO算法对比分析

第6章 基于粒子群优化算法的非线性模型参数估计

 6.1 参数估计

 6.2 非线性模型

6.2.1 渐近回归模型

6.2.2 Logistic模型

 6.3 非线性模型的参数估计

6.3.1 真实数据

6.3.2 随机采样数据

第7章 基于策略模式的粒子群优化算法平台设计

 7.1 设计模式

 7.2 策略模式

 7.3 算法平台设计与实现

7.3.1 算法平台设计

7.3.2 算法平台实现

7.3.3 算法平台演示

参考文献