-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
群智能優(yōu)化方法及應(yīng)用 版權(quán)信息
- ISBN:9787030447401
- 條形碼:9787030447401 ; 978-7-03-044740-1
- 裝幀:一般膠版紙
- 冊(cè)數(shù):暫無(wú)
- 重量:暫無(wú)
- 所屬分類:>>
群智能優(yōu)化方法及應(yīng)用 內(nèi)容簡(jiǎn)介
本專著系統(tǒng)介紹近年來(lái)產(chǎn)生發(fā)展的多種群體智能計(jì)算方法,內(nèi)容涉及模式識(shí)別、數(shù)據(jù)挖掘、統(tǒng)計(jì)學(xué)、人工智能、數(shù)字圖像處理等學(xué)科的先進(jìn)思想和理論,重點(diǎn)介紹群體智能計(jì)算的原理、數(shù)學(xué)機(jī)理及應(yīng)用方法。全書共分為10章,內(nèi)容包括智能優(yōu)化方法的產(chǎn)生與發(fā)展、遺傳算法、蟻群算法、粒子群優(yōu)化算法、微分進(jìn)化算法、模擬退火算法、人工魚群算法、蜂群優(yōu)化算法、細(xì)菌覓食優(yōu)化算法、細(xì)胞膜優(yōu)化算法。本書內(nèi)容新穎,實(shí)用性強(qiáng)。理論與實(shí)際應(yīng)用聯(lián)系緊密,考慮到不同讀者的層次要求,對(duì)每種算法的代碼介紹較為詳細(xì)。本書可作為高等院校計(jì)算機(jī)科學(xué)與技術(shù)、系統(tǒng)工程、控制科學(xué)與工程、人工智能、管理科學(xué)等相關(guān)專業(yè)本科生和研究生的教材或教學(xué)參考書,也可供相關(guān)工程技術(shù)人員參考。
群智能優(yōu)化方法及應(yīng)用 目錄
前言第1章緒論1
1.1優(yōu)化方法的意義1
1.2優(yōu)化方法的分類4
1.3群智能優(yōu)化方法的產(chǎn)生與發(fā)展6
1.4怎樣學(xué)習(xí)群智能優(yōu)化方法9
參考文獻(xiàn)11
第2章優(yōu)化模型14
2.1單變量?jī)?yōu)化14
2.2多變量?jī)?yōu)化18
2.3傳統(tǒng)的優(yōu)化計(jì)算方法21
2.3.1拉格朗日乘子法21
2.3.2牛頓迭代法22
2.3.3速下降法22
參考文獻(xiàn)23
第3章遺傳算法24
3.1導(dǎo)言24
3.2基本原理25
3.2.1基本思想25
3.2.2組成要素25
3.2.3算法流程33
3.3遺傳算法的數(shù)學(xué)機(jī)理35
3.3.1模式的概念35
3.3.2模式定理36
3.4實(shí)例分析39
3.4.1非線性約束優(yōu)化問(wèn)題39
3.4.2多目標(biāo)優(yōu)化問(wèn)題47
3.4.3圖像分割問(wèn)題58
參考文獻(xiàn)68
第4章粒子群優(yōu)化算法71
4.1導(dǎo)言71
4.2基本原理72
4.2.1基本粒子群優(yōu)化算法.72
4.2.2標(biāo)準(zhǔn)粒子群優(yōu)化算法75
4.2.3組成要素75
4.3數(shù)學(xué)機(jī)理79
4.3.1復(fù)雜度分析.79
4.3.2收斂性分析79
4.4實(shí)例分析81
4.4.1基于多樣性反饋的粒子群優(yōu)化算法81
4.4.2基于離散式多樣性評(píng)價(jià)策略的自適應(yīng)粒子群優(yōu)化算法86
4.4.3雙中心粒子群優(yōu)化算法92
參考文獻(xiàn)102
第5章蟻群算法108
5.1導(dǎo)言108
5.2基本原理109
5.2.1蟻群覓食的特性109
5.2.2螞蟻系統(tǒng)模型110
5.2.3蟻群算法的實(shí)現(xiàn)112
5.3復(fù)雜度及收斂性分析113
5.3.1復(fù)雜度分析113
5.3.2收斂性分析115
5.4蟻群算法的改進(jìn)119
5.4.1蟻群算法的改進(jìn)思路119
5.4.2大小蟻群系統(tǒng)(MMAS)120
5.4.3分段算法121
5.4.4小窗口蟻群算法122
5.4.5智能螞蟻算法122
5.4.6自適應(yīng)蟻群算法124
5.4.7具有變異和分工特征的蟻群算法124
5.5實(shí)例分析126
5.5.1旅行商問(wèn)題126
5.5.2聚類問(wèn)題129
5.5.3邊緣檢測(cè)問(wèn)題134
參考文獻(xiàn)138
第6章人工免疫算法140
6.1導(dǎo)言140
6.2基本原理141
6.2.1生物免疫系統(tǒng)的基本概念141
6.2.2免疫系統(tǒng)的功能原理143
6.2.3人工免疫算法基本流程144
6.3免疫算法的分類145
6.3.1基于信息熵的免疫算法145
6.3.2基于免疫特性的否定選擇算法147
6.3.3基于克隆選擇學(xué)說(shuō)的克隆選擇算法148
6.3.4基于免疫網(wǎng)絡(luò)理論的免疫算法150
6.3.5基于疫苗的免疫規(guī)劃算法151
6.4實(shí)例分析152
6.4.1免疫算法與蟻群算法的混合152
6.4.2基于免疫算法的圖像分割方法157
參考文獻(xiàn)159
第7章文化算法160
7.1導(dǎo)言160
7.2基本原理161
7.3文化算法的設(shè)計(jì)163
7.3.1群體空間163
7.3.2信度空間164
7.3.3接受函數(shù)167
7.3.4影響函數(shù)168
7.4實(shí)例分析169
7.4.1進(jìn)化規(guī)劃文化算法解決約束優(yōu)化問(wèn)題169
7.4.2改進(jìn)進(jìn)化規(guī)劃文化算法176
參考文獻(xiàn)179
第8章微分進(jìn)化181
8.1導(dǎo)言181
8.2基本原理182
8.2.1基本思想182
8.2.2組成要素182
8.2.3DE算法的流程185
8.3改進(jìn)的微分進(jìn)化算法186
8.3.1MADE算法186
8.3.2BinDE算法187
8.3.3normDE算法187
8.3.4基于極大、極小距離密度的多目標(biāo)微分進(jìn)化算法187
8.4微分進(jìn)化的幾種優(yōu)化策略189
8.5實(shí)例分析190
8.5.1微分進(jìn)化文化算法190
8.5.2基于Pareto的雙群體多目標(biāo)微分進(jìn)化算法197
參考文獻(xiàn)204
第9章模擬退火算法206
9.1導(dǎo)言206
9.1.1物理退火過(guò)程206
9.1.2退火與模擬退火208
9.2模擬退火的數(shù)學(xué)描述和統(tǒng)計(jì)特性209
9.2.1數(shù)學(xué)描述209
9.2.2統(tǒng)計(jì)特性211
9.3模擬退火算法的實(shí)現(xiàn)流程及性能分析212
9.3.1算法的計(jì)算步驟和流程圖212
9.3.2算法的組成要素213
9.3.3算法性能分析216
9.4實(shí)例分析219
9.4.1小優(yōu)化問(wèn)題219
9.4.2應(yīng)急救援物資調(diào)度問(wèn)題223
參考文獻(xiàn)231
- >
苦雨齋序跋文-周作人自編集
- >
巴金-再思錄
- >
隨園食單
- >
姑媽的寶刀
- >
史學(xué)評(píng)論
- >
唐代進(jìn)士錄
- >
名家?guī)阕x魯迅:朝花夕拾
- >
月亮與六便士