新書推薦：
《
数据有道：数据分析+图论与网络+微课+Python编程（鸢尾花数学大系：从加减乘除到机器学习）
》
售價：NT$
1214.0
《
500万次倾听：陪伤心的人聊聊
》
售價：NT$
245.0
《
英国商业500年（见证大国崛起与企业兴衰，启迪未来商业智慧。）
》
售價：NT$
367.0
《
万千心理·儿童心理治疗中的心智化：临床实践指导
》
售價：NT$
398.0
《
自我囚禁的人：完美主义的心理成因与自我松绑（破除你对完美主义的迷思，尝试打破自我评价过低与焦虑的恶性循环）
》
售價：NT$
301.0
《
周易
》
售價：NT$
203.0
《
东南亚的传统与发展
》
售價：NT$
306.0
《
乾隆制造
》
售價：NT$
398.0
|
| 內容簡介： |
|
群智能优化方法作为一种新兴的演化计算技术已经成为越来越多研究者关注的焦点。目前，群智能优化方法已经广泛应用于模式识别、图像处理、系统工程、生物信息、控制理论等相关工程和科学研究领域。本书将从读者的角度出发，提供一本通俗易懂、由浅入深的研究性著作，而不仅仅是将其核心集中在某一专题做过多的深入理论讨论。《BR》本书共9章，第1章介绍群智能优化方法的产生与发展；第2章介绍**化模型建模的一般方法和步骤；第3章~第5章介绍较为成熟的几种群智能优化方法，分别是遗传算法、粒子群优化算法、蚁群算法。第6章~第9章介绍近年来热点研究的人工免疫算法、文化算法、微分进化、模拟退火算法。
|
| 目錄：
|
目录
前言
第1章 绪论 1
1.1 最优化方法的意义 1
1.2 最优化方法的分类 4
1.3 群智能优化方法的产生与发展 6
1.4 怎样学习群智能优化方法 9
参考文献 11
第2章 最优化模型 14
2.1 单变量最优化 14
2.2 多变量最优化 18
2.3 传统的优化计算方法 21
2.3.1 拉格朗日乘子法 21
2.3.2 牛顿迭代法 22
2.3.3 最速下降法 22
参考文献 23
第3章 遗传算法 24
3.1 导言24
3.2 基本原理 25
3.2.1 基本思想 25
3.2.2 组成要素 25
3.2.3 算法流程 33
3.3 遗传算法的数学机理 35
3.3.1 模式的概念 35
3.3.2 模式定理 36
3.4 实力分析 39
3.4.1 非线性约束优化问题 39
3.4.2 多目标优化问题 47
3.4.3 图像分割问题 58
参考文献 68
第4章 粒子群优化算法 71
4.1 导言 71
4.2 基本原理 72
4.2.1 基本粒子群优化算法 72
4.2.2 标准粒子群优化算法 75
4.2.3 组成要素 75
4.3 数学机理 79
4.3.1 复杂度分析 79
4.3.2 收敛性分析 79
4.4 实例分析 81
4.4.1 基于多样性反馈的粒子群优化算法 81
4.4.2 基于离散式多样性评价策略的自适应粒子群优化算法 86
4.4.3 双中心粒子群优化算法 92
参考文献 102
第5章 蚁群算法 108
5.1 导言 108
5.2 基本原理 109
5.2.1 蚁群觅食的特性 109
5.2.2 蚂蚁系统模型 110
5.2.3 蚁群算法的实现 112
5.3 复杂度及收敛性分析 113
5.3.1 复杂度分析 113
5.3.2 收敛性分析 115
5.4 蚁群算法的改进 119
5.4.1 蚁群算法的改进思路 119
5.4.2 最大最小蚁群系统（MMAS 120
5.4.3 分段算法 121
5.4.4 小窗口蚁群算法 122
5.4.5 智能蚂蚁算法 122
5.4.6 自适应蚁群算法 124
5.4.7 具有变异和分工特征的蚁群算法 124
5.5 实例分析 126
5.5.1 旅行商问题 126
5.5.2 聚类问题 129
5.5.3 边缘检测问题 134
参考文献 138
第6章 人工免疫算法 140
6.1 导言 140
6.2 基本原理 141
6.2.1 生物免疫系统的基本概念 141
6.2.2 免疫系统的功能原理 143
6.2.3 人工免疫算法基本流程 144
6.3 免疫算法的分类 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选择算法 147
6.3.3 基于克隆选择学说的克隆选择算法 148
6.3.4 基于免疫网络理论的免疫算法 150
6.3.5 基于疫苗的免疫规划算法 151
6.4 实例分析 152
6.4.1 免疫算法与蚁群算法的混合 152
6.4.2 基于免疫算法的图像分割方法 157
参考文献 159
第7章 文化算法 160
7.1 导言 160
7.2 基本原理 161
7.3 文化算法的设计 163
7.3.1 群体空间 163
7.3.2 信度空间 164
7.3.3 接受函数 167
7.3.4 影响函数 168
7.4 实例分析 169
7.4.1 进化规划文化算法解决约束优化问题 169
7.4.2 改进进化规划文化算法 176
参考文献 179
第8章 微分进化 181
8.1 导言 181
8.2 基本原理 182
8.2.1 基本思想 182
8.2.2 组成要素 182
8.2.3 DE算法的流程 185
8.3 改进的微分进化算法 186
8.3.1 MADE 算法 186
8.3.2 BinDE 算法 187
8.3.3 normDE 算法 187
8.3.4 基于极大、极小距离密度的多目标微分进化算法 187
8.4 微分进化的几种优化策略 189
8.5 实例分析 190
8.5.1 微分进化文化算法 190
8.5.2 基于Pareto的双群体多目标微分进化算法 197
参考文献 204
第9章 模拟退火算法 206
9.1 导言 206
9.1.1 物理退火过程 206
9.1.2 退火与模拟退火 208
9.2 模拟退火的数学描述和统计特性 209
9.2.1 数学描述 209
9.2.2 统计特性 211
9.3 模拟退火算法的实现流程及性能分析 212
9.3.1 算法的计算步骤和流程图 212
9.3.2 算法的组成要素 213
9.3.3 算法性能分析 216
9.4 实例分析 219
9.4.1 最小优化问题 219
9.4.2 应急救援物资调度问题 223
参考文献 231
|
|
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
