新書推薦：
《
中国王朝内争实录：宠位厮杀
》
售價：NT$
281.0
《
凡事发生皆有利于我（这是一本读了之后会让人运气变好的书”治愈无数读者的心理自助经典）
》
售價：NT$
203.0
《
未来特工局
》
售價：NT$
254.0
《
高术莫用（十周年纪念版 逝去的武林续篇 薛颠传世之作 武学尊师李仲轩家世 凸显京津地区一支世家的百年沉浮）
》
售價：NT$
250.0
《
英国简史（刘金源教授作品）
》
售價：NT$
449.0
《
便宜货：廉价商品与美国消费社会的形成
》
售價：NT$
352.0
《
读书是一辈子的事（2024年新版）
》
售價：NT$
352.0
《
乐道文库·什么是秦汉史
》
售價：NT$
367.0
|
| 編輯推薦： |
|
本书旨在开阔读者视野，启迪读者创新思维，激励广大学者在生生不息、丰富多彩的大自然中捕捉创新灵感。本书可供人工智能、人工生命、智能科学、计算机科学、信息科学、自动化、系统科学、管理科学等相关领域的教师、研究生、研究人员及工程技术人员学习参考。
|
| 內容簡介： |
|
智能优化算法与涌现计算是多种前沿学科交叉融合的结晶。主要包括：模拟人脑思维、人体细胞、器官等的仿人智能优化算法；模拟群居动物觅食或繁殖行为的群智能优化算法；模拟人类社会进化的进化算法；模拟植物生长的仿生算法；模拟自然现象或规律的自然计算；模拟复杂适应系统涌现行为的涌现计算等80余种算法。本书可作为智能科学、计算机科学、信息科学、自动化、系统科学、管理科学等相关领域的教师、研究生、科研人员的参考书。
|
| 關於作者： |
|
李士勇教授（二级），哈尔滨工业大学控制科学与工程国家一级重点学科博士生导师，黑龙江省优秀专家，中国自动化学会智能自动化专业委员会委员。1967年毕业于哈尔滨工业大学工业自动化专业，1983年获哈尔滨工业大学自动控制专业硕士学位并留校任教。1992年4月至1993年10月公派赴日本千叶工业大学作为客座研究员从事模糊控制、神经网络、智能控制方面的合作研究。近30多年来，一直从事模糊控制、智能控制、智能优化算法、智能制导、复杂适应系统理论及其应用等方面的科研、教学和指导研究生工作。科研和教学成果共获国家级奖2项，省部级7项，在国内外发表学术论文160余篇，近60篇被SCI、EI检索。作为第一作者出版专著及教材共14部，其中代表作《模糊控制神经控制和智能控制论》荣获1999年全国优秀科技图书奖暨科技进步奖（科技著作）三等奖；本书跻身于十大领域中国科技论文被引频次最高的前50部专著与译著排行榜；截至2015年11月底该书已被十大领域6232篇论文引用；美国IEEE Fellow、田纳西大学J.H.Hung洪箴）教授1997年看过该著作后，曾给作者来信指出：李教授在模糊控制、神经网（络）控制和智能控制方面有
|
| 目錄：
|
目录
第一篇仿人智能优化算法
第1章模糊逻辑算法
1．1模糊集合及其表示
1．2模糊集合的运算及其性质
1．3模糊关系与模糊矩阵
1．4模糊推理规则
1．5模糊系统的万能逼近特性
第2章神经网络算法
2．1神经细胞结构与功能
2．2人工神经元的基本特性
2．3人工神经网络及其特点
2．4前向神经网络的结构、训练及学习
2．5神经网络的学习规则
2．6前向网络误差反向传播学习算法及其逼近特性
第3章免疫算法
3．1免疫系统的基本概念
3．2免疫系统的组织结构
3．3免疫系统的免疫机制
3．4免疫系统的学习及优化机理
3．5免疫算法及克隆选择算法的实现步骤
第4章内分泌算法
4．1内分泌算法的提出
4．2内分泌与神经、免疫系统之间的关系
4．3生物内分泌系统
4．4内分泌激素调节规律的描述
4．5人工内分泌系统内分泌激素的调节机制
4．6基于内分泌调节机制的行为自组织算法的实现
第5章人工代谢算法
5．1人工代谢算法的提出
5．2人工代谢算法的原理
5．3人工代谢算法的描述
5．4人工代谢算法的实现流程
第6章膜计算
6．1膜计算的提出
6．2细胞膜的结构、模型及功能
6．3标准膜计算的原理
6．4标准膜计算的描述
6．5膜计算的过程及实现步骤
第7章禁忌搜索算法
7．1禁忌搜索算法的提出
7．2组合优化中的邻域概念
7．3局部搜索算法
7．4禁忌搜索算法
7．5禁忌搜索算法主要操作及参数
第8章和声搜索算法
8．1和声搜索算法的提出
8．2和声搜索算法的原理及结构
8．3和声搜索算法的主要步骤及流程
第9章思维进化算法
9．1思维进化算法的提出
9．2思维进化算法的基本思想
9．3思维进化算法的描述
9．4思维进化算法的实现步骤及流程
第10章社会进化算法
10．1社会进化算法的提出
10．2社会进化算法的基本思想
10．3多智能体社会进化系统
10．4社会进化算法的描述
10.5社会进化算法的实现步骤
第11章人口迁移算法
11．1人口迁移算法的提出
11．2人口迁移算法的原理
11．3人口迁移算法的描述
11．4人口迁移算法的实现步骤
第12章标杆学习算法
12．1标杆学习算法的提出
12．2标杆管理的基本思想
12．3标杆学习算法的基本原理
12．4标杆学习算法的数学描述
12．5标杆学习算法的实现流程
第13章瞭望算法
13．1瞭望算法的提出
13．2瞭望算法的基本原理
13．3瞭望算法的数学描述
13．4求解全局优化问题的瞭望算法的实现
第14章视觉认知优化算法
14．1视觉认知优化算法的提出
14．2视觉认知优化算法的原理
14．3视觉认知优化算法的描述与步骤
14．4算法的收敛性证明
14．5视觉认知优化算法的实现举例
14．6基于视觉认知的可视化算法
第15章头脑风暴优化算法
15．1头脑风暴优化算法的提出
15．2头脑风暴优化算法的基本思想
15．3头脑风暴过程的描述
15．4头脑风暴优化算法的描述及实现步骤
15．5基于讨论机制的头脑风暴优化算法
第16章随机聚焦搜索优化算法
16．1随机聚焦搜索优化算法的提出
16．2随机聚焦搜索优化算法的原理
16．3随机聚焦搜索优化算法的描述
16．4随机聚焦搜索算法的基本步骤
16．5基于随机聚焦搜索算法的冲压成形工艺优化
第17章教学优化算法
17．1教学优化算法的提出
17．2教学优化算法的原理
17．3教学优化算法的数学描述
17．4教学优化算法的实现步骤
第18章帝国竞争算法
18．1帝国竞争算法的提出
18．2帝国竞争算法的原理
18．3帝国竞争算法的数学描述
18．4帝国竞争算法的实现步骤及流程
第19章世界杯竞赛算法
19．1世界杯竞赛算法的提出
19．2世界杯竞赛算法的描述
19．3世界杯竞赛算法的实现流程
第20章集体决策优化算法
20．1集体决策优化算法的提出
20．2集体决策优化的基本思想
20．3集体决策优化算法的数学描述
20．4集体决策优化算法的实现
第二篇进 化 算 法
第21章遗传算法
21．1遗传算法的提出
21．2遗传算法的优化原理
21．3生物的遗传及遗传算法的基本概念
21．4遗传算法的基本操作
21．5遗传算法的求解步骤
21．6原对偶遗传算法
第22章遗传编程
22．1遗传编程的提出
22．2遗传编程的原理及基本操作
22．3遗传编程算法的设计步骤及流程
22．4遗传编程算法的本质属性
第23章进化规划
23．1进化规划的提出
23．2进化规划的原理及基本操作
23．3进化规划的实现步骤及流程
第24章进化策略
24．1进化策略的提出
24．2进化策略的基本原理
24．3进化策略的基本操作
24．4进化策略的实现步骤及流程
第25章分布估计算法
25．1分布估计算法的提出
25．2分布估计算法的基本原理
25．3分布估计算法的描述
25．4分布估计算法的基本步骤及流程
第26章差分进化算法
26．1差分进化算法的提出
26．2差分进化算法的原理
26．3差分进化算法的基本操作
26．4差分进化算法的实现步骤及流程
26．5差分进化算法的扩展形式
第27章DNA计算
27．1DNA计算的提出
27．2DNA计算的生物学基础
27．3DNA计算的基本原理及主要步骤
27．4DNA计算的基本操作
27．5DNA计算的编码问题
27．6DNA计算系统的原型
第28章基因表达式编程算法
28．1基因表达式编程算法的提出
28．2基因表达式编程算法的原理
28．3基因表达式编程的基本概念
28．4GEP算法的遗传操作
28．5基本的GEP算法流程
第29章Memetic算法
29．1Memetic算法的提出
29．2Memetic算法的原理
29．3Memetic算法的描述
29．4Memetic算法的流程
29．5Memetic算法的特点及其意义
第30章文化算法
30．1文化算法的提出
30．2文化算法的基本结构与原理
30．3文化算法求解约束优化问题的描述与设计
30．4基本文化算法的实现步骤及流程
第三篇群智能优化算法
第31章蚁群优化算法蚁狮优化算法
31．1蚁群优化算法的提出
31．2蚂蚁的习性及觅食行为
31．3蚁群觅食策略的优化原理
31．4蚁群算法的原型蚂蚁系统模型的描述
31．5基本蚁群算法的流程
31.6蚁狮优化算法的提出
31.7蚁狮的狩猎行为
31.8蚁狮优化算法的原理
31.9蚁狮优化算法的数学描述
31.10蚁狮优化算法的实现
第32章粒子群优化算法
32．1粒子群优化算法的提出
32．2粒子群优化算法的基本原理
32．3粒子群优化算法的描述
32．4粒子群优化算法的实现步骤及流程
32．5粒子群优化算法的特点及其改进
第33章人工蜂群算法蜂群优化算法
33．1蜂群算法的提出
33．2人工蜂群算法的基本原理
33．3人工蜂群算法的描述
33．4人工蜂群算法的实现步骤与流程
33．5基于蜜蜂繁殖行为的蜂群优化算法
第34章混合蛙跳算法
34．1混合蛙跳算法的提出
34．2混合蛙跳算法的基本原理
34．3基本混合蛙跳算法的描述
34．4混合蛙跳算法的实现步骤
34．5混合蛙跳算法的流程
第35章人工鱼群算法
35．1人工鱼群算法的提出
35．2动物自治体模型与鱼类的觅食行为
35．3人工鱼群算法的基本原理
35．4人工鱼群算法的数学描述
35．5人工鱼群算法的流程
第36章大马哈鱼洄游算法
36．1大马哈鱼洄游算法的提出
36．2大马哈鱼的洄游习性
36．3大马哈鱼洄游算法的原理
36．4大马哈鱼洄游算法的描述
36．5大马哈鱼洄游算法的实现步骤及流程
第37章鲸鱼优化算法
37．1鲸鱼优化算法的提出
37．2鲸鱼的泡泡网觅食行为
37．3鲸鱼优化算法的原理
37．4鲸鱼优化算法的数学描述
37．5鲸鱼优化算法的实现步骤及流程
第38章磷虾群算法
38．1磷虾群算法的提出
38．2磷虾群算法的原理
38．3磷虾群算法的数学描述
38．4磷虾群算法的实现步骤及流程
第39章细菌觅食优化算法
39．1细菌觅食优化算法的提出
39．2大肠杆菌的结构及觅食行为
39．3细菌觅食优化算法的原理
39．4细菌觅食优化算法的数学描述
39．5细菌觅食优化算法的实现步骤及流程
第40章细菌群体趋药性算法
40．1细菌群体趋药性算法的提出
40．2细菌趋药性算法的原理
40．3细菌趋药性算法的数学描述
40．4细菌群体趋药性算法的基本思想
40．5细菌群体趋药性算法的数学描述
40．6细菌群体趋药性算法的实现步骤
第41章细菌菌落优化算法
41．1细菌菌落优化算法的提出
41．2细菌的生长、繁殖、死亡过程
41．3细菌菌落优化算法的原理
41．4细菌菌落优化算法的设计
41．5细菌菌落优化算法的实现步骤及流程
第42章猫群优化算法
42．1猫群优化算法的提出
42．2猫的习性
42．3猫群优化算法的原理
42．4猫群优化算法的数学描述
42．5猫群优化算法的实现步骤
42．6猫群优化算法实现的程序流程
第43章鼠群优化算法
43．1鼠群优化算法的提出
43．2鼠群优化算法的原理
43．3鼠群优化算法及其环境描述
43．4鼠群优化算法的实现步骤
第44章猫鼠种群算法
44．1猫鼠种群算法提出
44．2猫鼠种群算法的原理
44．3猫鼠种群算法的数学描述
44．4猫鼠种群算法的实现步骤及流程
第45章鸡群优化算法
45．1鸡群优化算法的提出
45．2鸡群优化算法的基本思想
45．3鸡群优化算法的数学描述
45．4鸡群优化算法的实现步骤及流程
第46章狼群算法
46．1狼群算法的提出
46．2狼的习性及狼群特征
46．3狼群算法的原理
46．4狼群算法的数学描述
46．5狼群算法的实现步骤及流程
第47章灰狼优化算法
47．1灰狼优化算法的提出
47．2灰狼的社会等级及狩猎行为
47．3灰狼优化算法的数学描述
47．4灰狼优化算法的实现步骤及流程
第48章狮子优化算法
48．1狮子优化算法的提出
48．2狮子的习性
48．3狮子优化算法的原理
48．4狮子优化算法的数学描述
48．5狮子优化算法的实现
第49章猴群算法
49．1猴群算法的提出
49．2猴群算法的原理
49．3猴群算法的数学描述
49．4猴群算法的实现步骤及流程
第50章雁群优化算法
50．1雁群优化算法的提出
50．2雁群飞行规则及其假设
50．3雁群优化算法的基本思想
50．4雁群优化算法的数学描述
50．5雁群优化算法的实现步骤及流程
第51章候鸟优化算法
51.1候鸟优化算法的提出
51.2候鸟Ｖ字形编队飞行的优化原理
51.3候鸟优化算法的描述
51.4候鸟优化算法的实现步骤及流程
51.5候鸟优化算法的特点及参数分析
第52章布谷鸟搜索算法
52.1布谷鸟搜索算法的提出
52.2布谷鸟的繁殖行为与Levy飞行
52.3布谷鸟搜索算法的原理
52.4布谷鸟搜索算法的数学描述
52.5布谷鸟搜索算法的实现步骤及流程
第53章萤火虫群优化算法萤火虫算法
53.1萤火虫群优化算法的提出
53.2萤火虫闪光的特点及功能
53.3萤火虫群优化算法的数学描述
53.4萤火虫群优化算法的实现步骤及流程
53.5萤火虫算法的基本思想
53.6萤火虫算法的数学描述
53.7萤火虫算法的实现步骤及流程
第54章飞蛾扑火优化算法
54.1飞蛾扑火优化算法的提出
54.2飞蛾的横向导航方法
54.3飞蛾扑火的原理
54.4飞蛾扑火优化算法的数学描述
54.5飞蛾扑火优化算法的实现步骤
第55章蝙蝠算法
55.1蝙蝠算法的提出
55.2蝙蝠的习性及回声定位
55.3蝙蝠算法的基本思想
55.4蝙蝠算法的数学描述
55.5蝙蝠算法的实现步骤及流程
第56章果蝇优化算法
56.1果蝇优化算法的提出
56.2果蝇的生物价值及觅食行为
56.3果蝇优化算法的基本原理
56.4果蝇优化算法的数学描述
56.5果蝇优化算法的实现步骤及流程
第57章群居蜘蛛优化算法
57.1群居蜘蛛优化算法的提出
57.2蜘蛛的习性与特征
57.3群居蜘蛛优化算法的基本思想
57.4群居蜘蛛优化算法的数学描述
57.5蜘蛛优化算法的实现步骤及流程
第58章蟑螂优化算法
58.1蟑螂优化算法的提出
58.2蟑螂的习性
58.3蟑螂优化算法的原理
58.4蟑螂优化算法的数学描述
58.5蟑螂优化算法的实现步骤
第59章捕食搜索算法
59.1捕食搜索算法的提出
59.2动物捕食策略
59.3捕食搜索算法的基本思想
59.4捕食搜索算法的数学描述
59.5捕食搜索算法的实现步骤及流程
第60章自由搜索算法
60.1自由搜索算法的提出
60.2自由搜索算法的优化原理
60.3自由搜索算法的数学描述
60.4自由搜索算法的实现步骤及流程
第61章食物链算法
61.1食物链算法的提出
61.2捕食食物链
61.3人工捕食策略
61.4人工生命食物链的基本思想
61.5食物链算法的数学描述
61.6食物链算法的实现步骤及流程
第62章共生生物搜索算法
62.1共生生物搜索算法的提出
62.2共生生物搜索算法的原理
62.3共生生物搜索算法的数学描述
62.4SOS算法的实现步骤及流程
第63章生物地理学优化算法
63.1生物地理学优化算法的提出
63.2生物地理学的基本概念及生物物种迁移模型
63.3生物地理学优化算法的原理
63.4生物地理学优化算法的数学描述
63.5生物地理学优化算法的实现步骤及流程
第64章竞争优化算法
64.1竞争优化算法的提出
64.2竞争优化算法的原理
64.3竞争优化算法的描述
64.4竞争优化算法的实现步骤及流程
第四篇仿植物生长算法
第65章模拟植物生长算法
65．1模拟植物生长算法的提出
65．2模拟植物生长算法的原理
65．3模拟植物生长算法的数学描述
65．4模拟植物生长算法的实现步骤
第66章人工植物优化算法
66．1人工植物优化算法的提出
66．2人工植物优化算法的优化原理
66．3人工植物优化算法的数学描述
66．4人工植物优化算法的实现步骤及流程
第67章人工藻类算法
67．1人工藻类算法的提出
67．2藻类的生长特性
67．3人工藻类算法的数学描述
67．4人工藻类算法的伪代码及流程
第68章小树生长算法
68．1小树生长算法的提出
68．2小树生长算法的优化原理
68．3小树生长算法的数学描述
68．4小树生长算法的程序实现
第69章自然树生长竞争算法
69．1自然树生长竞争算法的提出
69．2自然树生长竞争算法的优化机理
69．3自然树生长的竞争模型
69．4自然树生长竞争算法的数学描述
69．5自然树生长竞争算法的实现步骤及流程
第70章根树优化算法
70．1根树优化算法的提出
70．2根树优化算法的基本原理
70．3根树优化算法的数学描述
70．4RTO算法的实现步骤
第71章森林优化算法
71．1森林优化算法的提出
71．2森林优化算法的原理
71．3森林优化算法的数学描述
71．4森林优化算法的实现步骤及流程
第72章入侵草优化算法
72．1入侵草优化算法的提出
72．2杂草生长的入侵性
72．3入侵草优化算法的原理
72．4入侵草优化算法的数学描述
72．5入侵草优化算法的实现步骤及流程
第73章种子优化算法
73．1种子优化算法的提出
73．2种子优化算法的基本思想
73．3种子优化算法的数学描述
73．4基于正态分布的种子优化算法
第74章花朵授粉算法
74．1花朵授粉算法的提出
74．2花朵授粉的特征
74．3花朵授粉算法的数学描述
74．4花朵授粉算法的实现步骤及流程
第五篇仿自然优化算法
第75章模拟退火算法
75．1模拟退火算法的提出
75．2固体退火过程的统计力学原理
75．3模拟退火算法的数学描述
75．4模拟退火算法的实现步骤及流程
第76章混沌优化算法
76．1混沌优化算法的提出
76．2混沌学与Logistic映射
76．3混沌优化算法的实现步骤
76．4变尺度混沌优化算法的实现步骤
第77章混沌黄金分割搜索算法
77．1混沌黄金分割搜索算法的提出
77．2混沌黄金分割搜索算法的原理及数学描述
77．3混沌黄金分割搜索算法的结构
77．4混沌黄金分割搜索算法的实现步骤及流程
第78章随机分形搜索算法
78．1随机分形搜索算法的提出
78．2随机分形搜索的原理
78．3分形搜索算法的数学描述
78．4分形搜索算法的实现步骤
78．5随机分形搜索算法的数学描述及实现步骤
第79章量子搜索算法
79．1量子搜索算法的提出
79．2量子计算基础
79．3Grover量子搜索算法的原理
79．4Grover算法的搜索步骤
79．4量子遗传算法的原理及实现步骤
第80章智能水滴优化算法
80．1智能水滴优化算法的提出
80．2智能水滴优化算法的基本原理
80．3智能水滴优化算法的数学描述
80．4智能水滴优化算法求解TSP问题的步骤及流程
第81章水循环算法
81．1水循环算法的提出
81．2水循环过程
81．3水循环算法的基本原理
81．4水循环算法的数学描述
81．5水循环算法的实现步骤及流程
第82章水波优化算法
82．1水波优化算法的提出
82．2水波现象与水波理论
82．3水波优化算法的基本原理
82．4水波优化算法的数学描述
82．5水波优化算法的实现步骤及流程
第83章人工雨滴算法
83．1人工雨滴算法的提出
83．2雨滴形成及降雨过程分析
83．3人工雨滴算法的基本思想
83．4人工雨滴算法的数学描述
83．4人工雨滴算法的实现步骤及流程
第84章云搜索优化算法
84．1云搜索优化算法的提出
84．2云搜索优化算法的基本思想
84．3云搜索优化算法的数学描述
84．4云搜索优化算法的实现步骤
第85章气象云模型优化算法
85．1气象云模型优化算法的提出
85．2气象云模型优化算法的基本思想
85．3气象云模型优化算法的数学描述
85．4气象云模型优化算法的实现步骤及流程
第86章风驱动优化算法
86．1风驱动优化算法的提出
86．2风驱动优化算法的原理
86．3风驱动优化算法的数学描述
86．4风驱动优化算法的实现步骤及流程
第87章宇宙大爆炸算法
87．1宇宙大爆炸算法的提出
87．2宇宙大爆炸算法的基本思想
87．3宇宙大爆炸算法的数学描述
87．4BBBC算法实现步骤及流程
第88章中心引力优化算法
88．1中心引力优化算法的提出
88．2中心引力优化算法的原理
88．3中心引力优化算法的数学描述
88．4中心引力优化算法的实现步骤
第89章引力搜索算法
89．1引力搜索算法的提出
89．2引力搜索算法的原理
89．3引力搜索算法的数学描述
89．4引力搜索算法的实现步骤及流程
第90章引力场算法
90．1引力场算法的提出
90．2行星和恒星的形成理论
90．3引力场算法的基本思想
90．4引力场算法的数学描述
90．5引力场算法的实现步骤及流程
第91章极值动力学优化算法
91．1极值动力学优化算法的提出
91．2BS生物演化模型
91．3极值动力学优化算法的原理
91．4极值动力学优化算法的描述
91．5极值动力学优化算法的实现步骤及流程
91．6极值动力学优化算法的特点
第92章拟态物理学优化算法
92．1拟态物理学优化算法的提出
92．2拟态物理学
92．3拟态物理学优化算法的基本思想
92．4拟态物理学优化算法的数学描述
92．5拟态物理学优化算法的实现步骤
第93章分子动理论优化算法
93．1分子动理论优化算法的提出
93．2分子动理论的相关知识
93．3分子动理论优化算法的原理
93．4分子动理论优化算法的数学描述
93．5分子动理论优化算法的实现步骤及流程
第94章类电磁机制算法
94．1类电磁机制算法的提出
94．2库仑定律
94．3类电磁机制算法的基本思想
94．4类电磁机制算法的数学描述
94．5类电磁机制算法的实现步骤及流程
第95章热传递搜索算法
95．1热传递搜索算法的提出
95．2热传递搜索算法的原理
95．3热传递搜索算法的数学描述
94．4热传递搜索算法的流程
第96章涡流搜索算法
96．1涡流搜索算法的提出
96．2涡流搜索算法的原理
96．3涡流搜索算法的数学描述
96．4涡流搜索算法的实现及流程
第97章闪电搜索算法
97．1闪电搜索算法的提出
97．2闪电搜索算法的原理
97．3闪电搜索算法的数学描述
97．4闪电搜索算法的实现步骤及流程
第98章光线优化算法
98．1光线优化算法的提出
98．2光线优化算法的原理
98．3光线优化算法的数学描述
98．4光线优化算法的流程
第99章化学反应优化算法
99．1化学反应优化算法的提出
99．2化学反应优化算法的原理
99．3化学反应优化算法的数学描述
99．4化学反应优化算法的实现步骤及流程
第100章正弦余弦算法
100．1正弦余弦算法的提出
100．2正弦余弦算法的原理
100．3正弦余弦算法的数学描述
100．4正弦余弦算法的伪代码实现
第101章阴阳对优化算法
101．1阴阳对优化算法的提出
101．2阴阳对优化算法的基本思想
101．3阴阳对优化算法的数学描述
101．4阴阳对优化算法的伪代码实现
第六篇涌 现 计 算
第102章一维元胞自动机的涌现计算
102．1元胞自动机概念的提出
102．2元胞自动机的结构与规则
102．3一维元胞自动机涌现计算的原理
第103章Conway生命游戏的涌现计算
103．1Conway生命游戏的提出
103．2二维细胞自动机的结构和规则
103．3Conway生命游戏的演化
103．4基于MATLAB的生命游戏仿真设计
103．5基于MATLAB的生命游戏仿真算法的实现步骤
第104章蚂蚁系统觅食路径的涌现计算
104．1蚂蚁群体觅食行为的涌现现象
104．2蚂蚁群体觅食行为模型的构建
104．3蚂蚁主体觅食行为规则及模型参数
104．4基于Agent的蚂蚁群体觅食行为的涌现计算
第105章数字人工生命Autolife的涌现行为
105．1Autolife模型的提出
105．2Autolife模型的基本思想
105．3Autolife模型的规则描述
105．4不同环境下的人工生命群体动态行为
105．5组织的自创生与自修复
105．6Autolife模型的意义
第106章黏菌的铁路网络涌现计算
106．1黏菌涌现计算的提出
106．2黏菌及其习性
106．3黏菌觅食的涌现行为
106．4黏菌交通网络的涌现计算过程
106．5黏菌网络的性能及路径寻优模型
附录A智能优化算法的理论基础： 复杂适应系统理论
参考文献
|
| 內容試閱：
|
前言
智能已经成为当代出现频次越来越高的词汇，这正是人类社会迈入智能时代的一个重要标志。智能正飞速地融入科学、工程、经济、国防及人类社会生活的方方面面： 智能科学、智能材料、智能机器人、智能生产线、智能控制、智能预测、智能决策、智能制导、智能炸弹、智能手机、智能家电、智能家居、智能楼宇智能水平的高低，在很大程度上已经成为衡量一个国家综合国力、科技水平高低的重要标志。
在科学研究、工程设计、经济管理、国防建设等领域存在着大量需要优化求解的复杂问题。采用传统的优化方法通常需要给出待优化问题的精确数学模型，包括决策变量、约束条件和目标函数。传统优化方法包括线性规划、动态规划、整数规划和分支定界等运筹学中的经典算法，这些算法计算复杂，只适用于小规模问题； 用构造型优化算法快速建立问题的解，一般优化效果差，难以满足工程需要。总之，传统的优化算法是以给出优化问题的精确数学模型为基础的。然而，科学、工程、经济等领域提出的优化问题越来越复杂，难以建立精确的数学模型； 有的问题变量维数大，阶次高，目标函数多，约束条件复杂，即使建立复杂的数学模型也难以求解。因此，面临日益复杂的优化问题，基于精确模型的传统优化算法面临着极大的挑战。
大自然中的各种生物、植物、动物及各种自然现象呈现出生生不息的景象，总是给人以深刻的启迪。人们从中发现了许多隐含其中的信息存储、处理、交换、适应、更新、进化的机制，蕴含着优化的机理。于是，人们从中获得了设计灵感。例如，模拟蚁群从蚁穴到食物源避过障碍选择一条最短路径，Dorigo博士于1991年设计了蚁群优化算法，开辟了模拟群居昆虫觅食行为或动物捕猎行为的群智能优化算法的先河。除早期模拟大脑功能的模糊逻辑算法、神经网络算法及遗传算法外，近30年来，大量的智能优化算法在国内外犹如雨后春笋般地涌现出来。为了向广大读者全面而系统地介绍原创的智能优化算法，弥补国内外同类书籍的不足，本书精选了106种原创的智能优化算法，一般称它们为基本算法。本书把这些算法概括分为六大类，并分别编入六篇共106章加以介绍。各篇的内容概括如下。
第一篇： 仿人智能优化算法，包括模拟人脑思维、人体系统、组织、器官乃至细胞及人类社会竞争进化等相关的20种智能优化算法。
第二篇： 进化算法，包括模拟自然界的生物在生殖繁衍过程中，通过遗传和变异及优胜劣汰的自然选择法则，不断地进化的优化算法10种。
第三篇： 群智能优化算法，包括模拟自然界群居昆虫的觅食、繁殖等行为或动物群体的捕猎策略等对问题求解的优化算法34种。
第四篇： 仿植物生长算法，包括模拟花、草、树木等植物生长过程中的向光性、光合作用、根吸水性、种子繁殖、花朵授粉等表现出的自适应、竞争、进化、优化行为的算法10种。
第五篇： 仿自然优化算法，包括模拟风、雨、云等自然现象，模拟物理、化学、数学定律，模拟生态系统的自组织临界性、混沌现象、随机分形等非线性科学的优化算法27种。
第六篇： 涌现计算，指模拟自然界中复杂适应系统的涌现现象、涌现行为，通过人工生命的主体按简单规则在一定的环境下不断地演化来获得优化问题最优或准最优的模拟解。本篇介绍涌现计算的5种例子，包括一维元胞自动机的涌现计算、Conwey生命游戏的涌现计算、蚂蚁系统觅食路径的涌现计算、数字人工生命Autolife的涌现行为和黏菌的铁路网络涌现计算。
本书介绍的106种智能优化算法，涉及从地球上的万物之灵智能水平最高的人，到介于动物和真菌之间的低级黏菌生物； 从海洋中世界上最大的哺乳动物鲸鱼到海洋微小无脊椎动物磷虾； 从凶猛的野生群居动物老虎、狮子到幼小的蚂蚁、蜜蜂； 从自然界的风、雨、云、雷电现象到地球上的水循环、食物链内容涵盖面之广，可以说陆海空无所不及： 从陆地到海洋，从水中到空中，从有生命的动植物、微生物到无生命的自然现象，从物理化学数学、非线性科学到复杂适应系统等。
应该指出的是，有关智能优化算法的分类还没有统一的标准，因此从不同的角度会有不同的分类方法，如自然计算、仿生计算、进化计算、智能优化算法及计算智能等。本书之所以把上述前五大类优化算法统称为智能优化算法，是因为这些算法都凸显出智能性或灵性的特点。它们通过确定性算法加启发式随机搜索的反复迭代获取优化问题的最优数值解。而涌现计算是指模拟自然界中复杂适应系统的涌现现象、行为，通过人工生命的主体按简单规则在一定的环境下不断地演化来获得优化问题最优或准最优的模拟解。
本书介绍了百余种智能优化算法和涌现计算的原创算法，目的在于使广大读者开阔视野，从复杂适应系统理论的高度上认识、理解各种智能优化算法和涌现计算的原理及其本质特征，从中受到启迪； 并进一步激励人们从千变万化、五彩斑斓的大千世界中生生不息的各种生物、各种周而复始的自然现象中发现、捕捉灵感，提出、设计、创造出更多更好的智能优化算法，以满足科学、工程、经济、管理、国防等领域中各种复杂优化问题的需要。
基于上述宗旨，加之受篇幅所限，每种算法只从原创算法的提出、个体行为或习性、算法原理、算法的数学描述、算法实现等方面简要介绍，每种算法的篇幅平均控制在5页左右。在编写中，尽可能保持原创算法的主要内容及所用符号。为方便起见，对少数算法的符号做了适当的改动，并适当补充一些从网上收集的相关插图和对算法原理说明的辅助材料。由于本书章节多，因此将作为智能优化算法的理论基础部分的内容以附录的形式给出，便于读者单独阅读。
参加编写或提供素材的还有宁永臣、李盼池、李浩、左兴权、柏继云、张秀杰、宋申民、李巍、班晓军、赵宝江、黄金杰、袁丽英、栾秀春、黄忠报、章钱、郭成、杨丹、郭玉、张恒、张逸达、王振杨、徐宝华等。
在编写过程中除引用了原创算法的文献外，还参考了国内外相关研究的主要文献及有价值的博士、硕士学位论文等，为便于读者进一步研究查阅，将这些文献一并列入本书的参考文献。在此，对被引用文献的作者表示衷心感谢！除参考文献前面的部分书籍外，文献的编号原则上是按照各章内容出现的顺序编排的。
本书的出版始终得到清华大学出版社的大力支持，在此表示由衷的谢意！
本书内容涉及专业知识面甚广，受编者知识面所限，书中内容难免存在不足，恳请广大读者给予指正！
李士勇2018年5月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
