掃一掃
關注中圖網
官方微博
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
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
智能優化算法解析 版權信息
- ISBN：9787111772873
- 條形碼：9787111772873 ; 978-7-111-77287-3
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能優化算法解析 本書特色
本書遵循教指委相關指導文件和高等院校學生學習規律編寫而成。踐行四新理念，融入思政元素，注重理論與實踐相結合。
智能優化算法解析 內容簡介
智能優化算法是人工智能的核心技術之一。本書主要從原理和設計兩方面對智能優化算法進行深入解析。全書內容共7章，其中，第1章介紹智能優化算法的一些基本定義和基礎知識；第2～6章分別討論通過模擬基于進化規律、物理原理、化學原理、人類行為、群智能等不同機理而產生的五類智能優化算法，每類算法重點介紹幾個典型算法的求解原理、優化策略和算法實現；第7章結合戰略性新興領域的實際需求，探討智能優化算法在智慧環保、生物工程、腦科學中的一些工程應用。 本書可作為普通高等院校計算機、自動化、人工智能等相關專業本科生、研究生的專業課或通識課教材，也可供廣大從事智能優化的工程技術人員參考。 本書配有電子課件等教學資源，歡迎選用本書作教材的教師登錄www.cmpedu.com注冊后下載，或發郵件至jinacmp@163.com索取。
智能優化算法解析智能優化算法解析 前言
優化問題是現實世界中的一種客觀存在，它不僅普遍存在于我們的學習、生活和工作中，而且也遍布于人工智能的許多研究和工程應用領域，所以，優化問題的求解一直以來是人工智能學者所關注的前沿熱點。智能優化算法是一種現代啟發式優化算法，又稱元啟發式搜索算法，它是一種具有全局優化能力、通用性強且求解效率高的算法。其機理是通過模擬自然演化規律、人類智慧和知識、生物社會性行為等來實現在問題解空間中的高效搜索。伴隨人工智能理論和方法從符號智能到計算智能（群體智能）的轉變，智能優化算法在不斷演化中迎來了蓬勃發展。與此同時，智能優化算法在工業制造、生產調度、系統控制、模式識別、任務分配、圖像處理、生物識別、機械設計等領域獲得了廣泛應用，并在提高求解性能、系統效率、節能減耗等方面得到了顯著效果。總之，智能優化算法一直以來都是人工智能的*核心技術之一，也是人工智能促進社會發展的一種重要手段。
這是一本面向理工科本科院校學生的智能優化算法教科書。雖然編者試圖盡可能少地使用復雜的數學知識，但書中仍會涉及少量的概率、統計、代數、邏輯等方面的知識，所以，本書較適合大學三年級及以上的本科生、研究生，以及具有類似背景且對智能優化感興趣的讀者。為了使盡可能多的讀者能夠通過本書理解智能優化算法，使用或提出新的智能優化算法來進行實際問題的求解，本書內容如下：1）按照元啟發的模擬機理來組織全書結構，方便讀者對不同算法原理的理解：全書包含5大基本類型、16種智能優化算法，既包含經典的遺傳、模擬退火、禁忌搜索、蟻群優化、粒子群優化等算法，也包含近年來新提出的浣熊優化、材料生成等新型算法。
智能優化算法解析 目錄
前言
第1章 緒論 1
1.1 優化問題 1
1.1.1 什么是優化問題 1
1.1.2 優化問題的類別 2
1.1.3 經典優化問題 4
1.2 智能優化算法 7
1.2.1 什么是智能優化算法 7
1.2.2 基本術語和機制 8
1.2.3 智能優化算法的分類及其發展歷程 9
1.2.4 智能優化算法的應用 15
本章小結 16
思考題與習題 16
參考文獻 17
第2章 基于進化規律的智能優化算法 22
2.1 遺傳算法 22
2.1.1 算法原理 23
2.1.2 關鍵操作 26
2.1.3 典型問題求解案例 32
2.1.4 前沿進展 35
2.2 差分進化算法 36
2.2.1 算法原理 36
2.2.2 典型問題求解案例 40
2.2.3 前沿進展 42
2.3 生物地理學優化算法 43
2.3.1 算法原理 44
2.3.2 優化策略 46
2.3.3 典型問題求解案例 51
2.3.4 前沿進展 53
本章小結 54
思考題與習題 55
參考文獻 55
第3章 基于物理原理的智能優化算法 59
3.1 模擬退火算法 59
3.1.1 算法原理 60
3.1.2 優化策略 62
3.1.3 算法流程 64
3.1.4 典型問題求解案例 65
3.1.5 前沿進展 67
3.2 引力搜索算法 67
3.2.1 算法原理 68
3.2.2 優化策略 69
3.2.3 算法流程 70
3.2.4 典型問題求解案例 71
3.2.5 前沿進展 73
3.3 量子近似優化算法 74
3.3.1 算法原理 74
3.3.2 優化策略 78
3.3.3 算法流程 80
3.3.4 典型問題求解案例 81
3.3.5 前沿進展 84
本章小結 84
思考題與習題 85
參考文獻 86
第4章 基于化學原理的智能優化算法 88
4.1 化學反應優化算法 88
4.1.1 算法原理 89
4.1.2 算法描述 89
4.1.3 算法流程 93
4.1.4 典型問題求解案例 95
4.1.5 前沿進展 98
4.2 人工化學反應優化算法 98
4.2.1 基本概念與原理 98
4.2.2 算法描述 100
4.2.3 算法流程 103
4.2.4 典型問題求解案例 104
4.2.5 前沿進展 106
4.3 材料生成算法 106
4.3.1 基本概念與原理 107
4.3.2 算法描述 108
4.3.3 算法流程 112
4.3.4 典型問題求解案例 112
本章小結 115
思考題與習題 115
參考文獻 116
第5章 基于人類行為的智能優化算法 118
5.1 人工神經網絡算法 118
5.1.1 算法原理 119
5.1.2 反向傳播神經網絡算法 121
5.1.3 徑向基函數神經網絡算法 125
5.1.4 典型問題求解案例 127
5.1.5 前沿進展 128
5.2 禁忌搜索算法 130
5.2.1 典型搜索算法概述 130
5.2.2 基本概念 131
5.2.3 算法流程 132
5.2.4 典型問題求解案例 134
5.2.5 前沿進展 139
5.3 頭腦風暴優化算法 140
5.3.1 頭腦風暴法概述 140
5.3.2 算法原理 142
5.3.3 典型問題求解案例 144
5.3.4 前沿進展 149
本章小結 150
思考題與習題 151
參考文獻 152
第6章 基于群智能的智能優化算法 154
6.1 蟻群優化算法 154
6.1.1 算法原理 155
6.1.2 螞蟻系統算法 156
6.1.3 蟻群系統算法 159
6.1.4 *大-*小螞蟻系統算法 161
6.1.5 典型問題求解案例 163
6.1.6 前沿進展 167
6.2 粒子群優化算法 168
6.2.1 算法原理 169
6.2.2 基本粒子群優化算法 170
6.2.3 標準粒子群優化算法 172
6.2.4 多目標粒子群優化算法 174
6.2.5 典型問題求解案例 179
6.2.6 前沿進展 184
6.3 細菌覓食優化算法 185
6.3.1 算法原理 185
6.3.2 算法描述 186
6.3.3 典型問題求解案例 190
6.3.4 前沿進展 196
6.4 浣熊優化算法 197
6.4.1 算法原理 197
6.4.2 算法描述 198
6.4.3 典型問題求解案例 200
本章小結 205
思考題與習題 205
參考文獻 207
第7章 基于智能優化算法的實際問題求解案例 211
7.1 一類污水處理系統的智能評判優化控制設計 212
7.1.1 污水處理過程的基本運行原理 212
7.1.2 多目標智能優化算法描述 214
7.1.3 智能跟蹤控制器設計 216
7.1.4 實驗分析 219
7.2 基于細菌覓食優化的蛋白質功能模塊檢測 222
7.2.1 PPI網絡及其蛋白質功能模塊檢測 222
7.2.2 BFO-FMD算法描述 223
7.2.3 實驗分析 228
7.3 基于螢火蟲算法的腦效應連接網絡學習 231
7.3.1 腦效應連接學習概述 232
7.3.2 學習腦效應連接網絡的螢火蟲算法 233
7.3.3 FAEC算法描述 238
7.3.4 實驗分析 239
本章小結 245
參考文獻 245
第1章 緒論 1
1.1 優化問題 1
1.1.1 什么是優化問題 1
1.1.2 優化問題的類別 2
1.1.3 經典優化問題 4
1.2 智能優化算法 7
1.2.1 什么是智能優化算法 7
1.2.2 基本術語和機制 8
1.2.3 智能優化算法的分類及其發展歷程 9
1.2.4 智能優化算法的應用 15
本章小結 16
思考題與習題 16
參考文獻 17
第2章 基于進化規律的智能優化算法 22
2.1 遺傳算法 22
2.1.1 算法原理 23
2.1.2 關鍵操作 26
2.1.3 典型問題求解案例 32
2.1.4 前沿進展 35
2.2 差分進化算法 36
2.2.1 算法原理 36
2.2.2 典型問題求解案例 40
2.2.3 前沿進展 42
2.3 生物地理學優化算法 43
2.3.1 算法原理 44
2.3.2 優化策略 46
2.3.3 典型問題求解案例 51
2.3.4 前沿進展 53
本章小結 54
思考題與習題 55
參考文獻 55
第3章 基于物理原理的智能優化算法 59
3.1 模擬退火算法 59
3.1.1 算法原理 60
3.1.2 優化策略 62
3.1.3 算法流程 64
3.1.4 典型問題求解案例 65
3.1.5 前沿進展 67
3.2 引力搜索算法 67
3.2.1 算法原理 68
3.2.2 優化策略 69
3.2.3 算法流程 70
3.2.4 典型問題求解案例 71
3.2.5 前沿進展 73
3.3 量子近似優化算法 74
3.3.1 算法原理 74
3.3.2 優化策略 78
3.3.3 算法流程 80
3.3.4 典型問題求解案例 81
3.3.5 前沿進展 84
本章小結 84
思考題與習題 85
參考文獻 86
第4章 基于化學原理的智能優化算法 88
4.1 化學反應優化算法 88
4.1.1 算法原理 89
4.1.2 算法描述 89
4.1.3 算法流程 93
4.1.4 典型問題求解案例 95
4.1.5 前沿進展 98
4.2 人工化學反應優化算法 98
4.2.1 基本概念與原理 98
4.2.2 算法描述 100
4.2.3 算法流程 103
4.2.4 典型問題求解案例 104
4.2.5 前沿進展 106
4.3 材料生成算法 106
4.3.1 基本概念與原理 107
4.3.2 算法描述 108
4.3.3 算法流程 112
4.3.4 典型問題求解案例 112
本章小結 115
思考題與習題 115
參考文獻 116
第5章 基于人類行為的智能優化算法 118
5.1 人工神經網絡算法 118
5.1.1 算法原理 119
5.1.2 反向傳播神經網絡算法 121
5.1.3 徑向基函數神經網絡算法 125
5.1.4 典型問題求解案例 127
5.1.5 前沿進展 128
5.2 禁忌搜索算法 130
5.2.1 典型搜索算法概述 130
5.2.2 基本概念 131
5.2.3 算法流程 132
5.2.4 典型問題求解案例 134
5.2.5 前沿進展 139
5.3 頭腦風暴優化算法 140
5.3.1 頭腦風暴法概述 140
5.3.2 算法原理 142
5.3.3 典型問題求解案例 144
5.3.4 前沿進展 149
本章小結 150
思考題與習題 151
參考文獻 152
第6章 基于群智能的智能優化算法 154
6.1 蟻群優化算法 154
6.1.1 算法原理 155
6.1.2 螞蟻系統算法 156
6.1.3 蟻群系統算法 159
6.1.4 *大-*小螞蟻系統算法 161
6.1.5 典型問題求解案例 163
6.1.6 前沿進展 167
6.2 粒子群優化算法 168
6.2.1 算法原理 169
6.2.2 基本粒子群優化算法 170
6.2.3 標準粒子群優化算法 172
6.2.4 多目標粒子群優化算法 174
6.2.5 典型問題求解案例 179
6.2.6 前沿進展 184
6.3 細菌覓食優化算法 185
6.3.1 算法原理 185
6.3.2 算法描述 186
6.3.3 典型問題求解案例 190
6.3.4 前沿進展 196
6.4 浣熊優化算法 197
6.4.1 算法原理 197
6.4.2 算法描述 198
6.4.3 典型問題求解案例 200
本章小結 205
思考題與習題 205
參考文獻 207
第7章 基于智能優化算法的實際問題求解案例 211
7.1 一類污水處理系統的智能評判優化控制設計 212
7.1.1 污水處理過程的基本運行原理 212
7.1.2 多目標智能優化算法描述 214
7.1.3 智能跟蹤控制器設計 216
7.1.4 實驗分析 219
7.2 基于細菌覓食優化的蛋白質功能模塊檢測 222
7.2.1 PPI網絡及其蛋白質功能模塊檢測 222
7.2.2 BFO-FMD算法描述 223
7.2.3 實驗分析 228
7.3 基于螢火蟲算法的腦效應連接網絡學習 231
7.3.1 腦效應連接學習概述 232
7.3.2 學習腦效應連接網絡的螢火蟲算法 233
7.3.3 FAEC算法描述 238
7.3.4 實驗分析 239
本章小結 245
參考文獻 245
展開全部
書友推薦
- >
莉莉和章魚
- >
【精裝繪本】畫給孩子的中國神話
- >
月亮虎
- >
煙與鏡
- >
推拿
- >
經典常談
- >
上帝之肋:男人的真實旅程
- >
月亮與六便士
本類暢銷
