中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
25個經(jīng)典的元啟發(fā)式算法--從設計到MATLAB實現(xiàn) 版權(quán)信息
- ISBN：9787516422977
- 條形碼：9787516422977 ; 978-7-5164-2297-7
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
25個經(jīng)典的元啟發(fā)式算法--從設計到MATLAB實現(xiàn) 本書特色
適讀人群 ：大眾本書是作者多年從事優(yōu)化算法研究和教學實踐工作的結(jié)晶。既可作為算法研究和應用領域本科生、研究生專業(yè)課程基礎教材，亦可作為對優(yōu)化算法感興趣的工程技術(shù)人員的專業(yè)參考資料。
25個經(jīng)典的元啟發(fā)式算法--從設計到MATLAB實現(xiàn) 內(nèi)容簡介
元啟發(fā)式算法是一類獲得廣泛應用的通用優(yōu)化算法，主要包括進化系列算法、鄰域搜索系列算法、模擬退火算法、禁忌搜索算法、人工免疫算法、蟻群算法、蜂群算法、粒子群算法、魚群算法、混合蛙跳算法、細菌覓食算法、神經(jīng)網(wǎng)絡算法、生物地理學等算法。 本書系統(tǒng)性地對25個當今流行的元啟發(fā)式算法從基本理論到實現(xiàn)機制進行了總結(jié)和描述。為了增加實用性，使用matlab編程語言實現(xiàn)了每一種算法的源代碼，讀者直接復制粘貼并做出適應性調(diào)試修改即可使用。每章章末都列出了原始參考文獻的出處，留給讀者去查閱引用，方便理解改進算法變化的細節(jié)。此外，針對這些元啟發(fā)式算法，本書僅以少量的優(yōu)化問題作為背景案例，旨在使讀者把學習重點放在理解和掌握各種算法的核心思想和實現(xiàn)機制上，而不必拘泥于不同案例問題帶來的理解上的不便。 本書是作者多年從事優(yōu)化算法研究和教學實踐工作的結(jié)晶。既可作為算法研究和應用領域本科生、研究生專業(yè)課程基礎教材，亦可作為對優(yōu)化算法感興趣的工程技術(shù)人員的專業(yè)參考資料。
25個經(jīng)典的元啟發(fā)式算法--從設計到MATLAB實現(xiàn) 目錄
第1章 優(yōu)化問題與優(yōu)化方法
1.1優(yōu)化問題概述
1.1.1 問題的定制
1.1.2 數(shù)學建模
1.1.3 數(shù)學建模實例
1.2 優(yōu)化問題分類
1.3 優(yōu)化算法及其分類
1.3.1精確算法和近似算法
1.3.2 傳統(tǒng)優(yōu)化算法和元啟發(fā)式優(yōu)化算法
1.4 元啟發(fā)式算法
1.4.1 元啟發(fā)式算法概述
1.4.2 基于單解的元啟發(fā)式算法
1.4.3 基于群解的元啟發(fā)式算法
1.5 可計算性與計算復雜度理論
1.5.1 可計算性理論
1.5.2 算法的復雜度
1.5.3 問題的復雜度
1.6 優(yōu)化算法的性能評價
1.7 元啟發(fā)式算法應用參考路線圖
參考文獻
第2章 進化系列算法
2.1 概述
2.1.1 新一代種群的選擇策略
2.1.2 新一代種群的繁殖策略
2.2 遺傳算法 51
2.2.1 生物遺傳進化機制
2.2.2 遺傳算法實現(xiàn)步驟
2.2.3 遺傳算法求解Rosenbrock函數(shù)實例
2.3 進化策略算法
2.3.1進化策略算法的問題表達
2.3.2 進化策略算法實現(xiàn)步驟
2.3.3 進化策略算法求解二元函數(shù)實例
2.4 進化規(guī)劃算法
2.4.1 進化規(guī)劃算法的基本概念
2.4.2 進化規(guī)劃算法的matlab實現(xiàn)
2.5遺傳規(guī)劃算法
2 .5.1 遺傳規(guī)劃算法中個體的表示
2.5.2 遺傳規(guī)劃算法的實現(xiàn)
2.5.3 遺傳規(guī)劃應用實例
2.6 差分進化算法
2.6.1 差分進化算法的實現(xiàn)步驟
2.6.2 差分進化算法的matlab實現(xiàn)
2.7分布估計算法
2.7.1分布估計算法實現(xiàn)步驟
2.7.2 分布估計算法的Matlab實現(xiàn)
參考文獻
第3章 鄰域搜索系列算法
3.1 鄰域的定義
3.2 基本鄰域搜索算法
3.2.1 鄰域的選擇
3.2.2 跳出局部*優(yōu)
3.3 變鄰域搜索算法
3.3.1 確定性可變鄰域下降算法
3.3.2 通用變鄰域搜索
3.4 迭代局部搜索
3.5 Matlab實現(xiàn)迭代局部搜索算法
3.6貪心隨機自適應搜索算法
3.7 Matlab實現(xiàn)GRASP
參考文獻
第4章 模擬退火算法
4.1 概述
4.1.1 金屬冶煉退火過程描述
4.1.2 Metropolis準則
4.1.3 優(yōu)化問題與模擬退火的比較
4.2 模擬退火算法的步驟和流程
4.2.1 算法的構(gòu)成要素
4.2.2 模擬退火算法步驟及流程
4.3 模擬退火算法的matlab實現(xiàn)
參考文獻
第5章 禁忌搜索算法
5.1 局部鄰域搜索
5.2 基本禁忌搜索算法
5.2.1算法的基本原理
5.2.2禁忌搜索算法的參數(shù)選擇
5.2.3禁忌搜索算法的實現(xiàn)流程
5.2.4禁忌搜索算法的優(yōu)缺點
5.3 禁忌搜索算法的matlab實現(xiàn)
5.4禁忌搜索算法的改進
5.4.1連續(xù)禁忌搜索算法
5.4.2并行禁忌搜索算法
5.4.3禁忌搜索和遺傳算法的混合策略
參考文獻
第6章 人工免疫系統(tǒng)算法
6.1 生物免疫現(xiàn)象觀察
6.2人工免疫算法仿真原理
6.3 人工免疫算法步驟與流程
6.4人工免疫算法的類型
6.5 基本人工免疫的matlab實現(xiàn)
第7章 蟻群系列優(yōu)化算法
7.1螞蟻覓食行為的觀察
7.2基本螞蟻算法
7.2.1 算法要素
7.2.2 算法流程
7.2.3 算法的特點
7.3 改進的螞蟻算法之一：蟻群系統(tǒng)算法
7.4 改進螞蟻算法之二：*大*小螞蟻系統(tǒng)算法
7.5 基于ACS求解旅行商問題
7.6 基于*大*小蟻群算法求解旅行商問題
第8章 人工蜂群算法
8.1 蜂群生存行為的觀察
8.2 人工蜂群算法
8.2.1 基本原理
8.2.2算法實現(xiàn)流程
8.2.3 ABC算法的特點
8.3改進的人工蜂群算法
8.4 基本人工蜂群的matlab實現(xiàn)
參考文獻
第9章 粒子群算法
9.1 群鳥覓食行為的觀察
9.2 基本粒子群優(yōu)化算法
9.3 標準粒子群優(yōu)化算法PSO
9.4 PSO求解Goldstein-Price函數(shù)
9.5 離散粒子群算法DPSO
9.6 基于DPSO求解0-1背包問題
9.7粒子群算法的改進
參考文獻
第10章人工魚群算法
10.1魚群生存行為觀察
10.2 人工魚的視覺模型
10.3 人工魚的四種基本行為
10.4 人工魚群算法步驟與流程
10.4.1 人工魚群算法實現(xiàn)步驟
10.4.2 人工魚群算法流程
10.4.3 人工魚群算法參數(shù)的選擇
10.5 改進的人工與群算法
10.6 人工魚群算法的MATLAB實現(xiàn)
參考文獻
第11章 細菌覓食優(yōu)化算法
11.1 大腸桿菌覓食行為的生物學觀察
11.1.1 動物覓食理論
11.1.2 大腸桿菌的覓食行為
11.2 基本BFO算法
11.3 基本BFO算法步驟與流程
11.4 BFO算法的改進
11.4 基本BFO算法的mtlab實現(xiàn)（圖像識別）
11.5 BFO算法的mtlab實現(xiàn)（圖像匹配）
參考文獻
第12章 混合蛙跳優(yōu)化算法
12.1 算法研究現(xiàn)狀
12.2 混合蛙跳算法原理
12.3 混合蛙跳算法步驟與流程
12.4 基本混合蛙跳算法的matlab實現(xiàn)
第13章 分散搜索算法
13.1 基本分散搜索算法
13.2 改進的分散搜索算法
13.3 分散搜索算法的Matlab實現(xiàn)
第14章 布谷鳥搜索算法
14.1 生物學行為觀察
14.1.1 布谷鳥的巢寄生性
14.1.2 萊維飛行（Lévy flight）軌跡
14.2 基本布谷鳥搜索算法模型
14.2.1 算法基本假設
14.2.2 鳥巢位置和路徑的更新公式
14.2.3 布谷鳥搜索算法實現(xiàn)步驟
14.2.4 布谷鳥搜索算法流程圖
14.3 改進布谷鳥搜索算法
14.3.1二進制布谷鳥算法
14.3.2多目標布谷鳥搜索算法
14.4 布谷鳥搜索算法的matlab實現(xiàn)
參考文獻
第15章人工神經(jīng)網(wǎng)絡算法
15.1 神經(jīng)網(wǎng)絡發(fā)展歷程
15.2 BP神經(jīng)網(wǎng)絡算法
15.3 HP神經(jīng)網(wǎng)絡算法
15.4 HP網(wǎng)絡算法求解TSP問題matlab實例
參考文獻
第16章 生物地理學算法
16.1生物學理論基礎
16.2 生物地理學算法基本思想
16.3 生物地理學算法步驟與流程
16.4 基本生物地理學算法的matlab實現(xiàn)
第17章 多目標優(yōu)化算法
17.1 多目標優(yōu)化問題
17.2 基于進化策略的多目標優(yōu)化算法
17.2.1 算法流程
17.2.2 非支配分層排序
17.2.3 個體擁擠度的計算和比較算子
17.2.4 種群的選擇、交叉和變異
17.2.5 Matlab代碼分析
17.2.6 實例分析
17.3 基于粒子群算法的多目標優(yōu)化算法
17.3.1 算法流程
17.3.2 個體和全局*優(yōu)粒子的選擇
17.3.3 粒子的更新和變異操作
17.3.4 動態(tài)更新柵格檔案庫和柵格矩陣
17.3.5 matlab代碼分析
17.3.6實例
參考文獻
第18章 超啟發(fā)式算法
18.1超啟發(fā)式方法概述
18.2 一種超啟發(fā)式算法的matlab實現(xiàn)
參考文獻
展開全部
25個經(jīng)典的元啟發(fā)式算法--從設計到MATLAB實現(xiàn) 節(jié)選
第4章 模擬退火算法 模擬退火算法（Simulated Annealing，SA）是一種單解元啟發(fā)式算法。早在1953年，Metropolis等[1]就提出了模擬金屬退火過程的重要性采樣法，但直到1983年，才由Kirkpatrick[2]等完成了模擬退火算法的轉(zhuǎn)型應用。 模擬退火算法已經(jīng)在生產(chǎn)調(diào)度、自動控制、機器學習、神經(jīng)網(wǎng)絡、圖像處理等工程應用和學術(shù)研究領域獲得了廣泛應用，其接受劣解的容錯思想也被其他許多算法所借鑒。本章將從該算法的起源、構(gòu)成要素、實現(xiàn)步驟及流程、實際應用等方面對模擬退火算法進行介紹。 4.1 算法理論基礎 4.1.1 金屬物理退火過程 金屬物質(zhì)被加熱到液態(tài)溫度后其內(nèi)部分子無序運動并且活躍在整個狀態(tài)空間中，停止加熱后溫度隨時間緩慢的冷卻，分子運動逐漸趨于有序。這種由高溫、高能、液體、分子無序狀態(tài)，逐漸轉(zhuǎn)變?yōu)榈蜏亍⒌湍堋⒐腆w，分子有序狀態(tài)的過程稱為退火。 退火過程主要分為三個階段[3]。 （1）加溫過程：加溫的目的是增強分子的熱運動，從而打亂分子序列，使其偏離平衡位置。當溫度足夠高時，金屬固體將溶解為液體，分子的分布從有序的結(jié)晶態(tài)轉(zhuǎn)變成無序的液態(tài)，消除系統(tǒng)原先可能存在的非均勻態(tài)，隨后進行的冷卻過程以某一平衡態(tài)為起點。加溫溶解過程與系統(tǒng)的熵增過程相聯(lián)系，系統(tǒng)能量隨溫度的升高而增大。 （2）等溫過程：目的是為了使金屬各部位溫度均勻化，保證系統(tǒng)在每一個溫度下都達到平衡態(tài)，*終達到固體的基態(tài)。根據(jù)熱平衡封閉系統(tǒng)的自由能減少定律：“對于與周圍環(huán)境交換熱量而溫度不變的封閉系統(tǒng)，系統(tǒng)狀態(tài)的自發(fā)變化總是朝自由能減少的方向進行，當自由能達到*小時，系統(tǒng)就達到了平衡態(tài)”。 （3）冷卻過程：隨著溫度的不斷下降，粒子的熱運動逐漸減弱且漸趨有序。當溫度降至結(jié)晶溫度后，粒子運動變?yōu)閲@晶體格點的微小振動，液體凝固成固體的晶態(tài)，且冷卻過程中系統(tǒng)的熵值也不斷減小，系統(tǒng)能量隨溫度降低趨于*小值。 4.1.2 Metropolis準則 組成金屬物質(zhì)的基本元素是粒子。金屬粒子在每一個恒定溫度下達到充分熱平衡的過程可以用Monte Carlo[4] 統(tǒng)計模擬方法來模擬。這是一種按抽樣調(diào)查法求取統(tǒng)計值來推定未知特性的模型計算方法。雖然Monte Carlo方法簡單，但它只有在大量采樣的情況下才能使得結(jié)果比較準確，而大量采樣會帶來了很大的計算量。鑒于物理系統(tǒng)傾向于能量較低的狀態(tài)，而熱運動又妨礙它準確落到*低態(tài)的物理形態(tài)，采樣時只需著重選取那些有貢獻作用的狀態(tài)即可較快達到模擬效果。因此，Metropolis等[1]在1953年提出了重要性采樣法，即以一定的概率來接受新狀態(tài)。 重要性采樣法的主要內(nèi)容為：首先給定以相對位置表征的某粒子初始狀態(tài)i作為當前狀態(tài)，然后由于溫度下降可能導致該粒子發(fā)生遷移，得到一個新狀態(tài)j。粒子遷移前后的能量分別表示為Ei和Ej，接著作如下處理： （1）若Ej < Ei，即新狀態(tài)能量相對變小，則無條件接受新狀態(tài)； （2）若Ej ≥ Ei，則新狀態(tài)被接受的概率為：
25個經(jīng)典的元啟發(fā)式算法--從設計到MATLAB實現(xiàn) 作者簡介
崔建雙，北京科技大學經(jīng)濟管理學院，副教授，碩士生導師。 研究方向：管理科學與工程；智能優(yōu)化方法；項目管理與調(diào)度；機器學習與預測；企業(yè)信息化。 主講課程：研究生課程:智能優(yōu)化算法及其應用；本科生課程:計算機類課程；企業(yè)管理類課程。
書友推薦
- >
月亮與六便士
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
朝聞道
- >
有舍有得是人生
- >
姑媽的寶刀
- >
月亮虎
- >
我從未如此眷戀人間
- >
上帝之肋:男人的真實旅程
本類暢銷
