新書推薦：
《
快人一步：系统性能提高之道
》
售價：NT$
505.0
《
我们为什么会做梦：让梦不再神秘的新科学
》
售價：NT$
352.0
《
算法图解（第2版）
》
售價：NT$
356.0
《
科学的奇幻之旅
》
售價：NT$
352.0
《
画艺循谱：晚明的画谱与消闲
》
售價：NT$
653.0
《
新民说·现实政治史：从马基雅维利到基辛格
》
售價：NT$
454.0
《
宽容是件奢侈品（人生360度·一分钟经典故事）
》
售價：NT$
203.0
《
甲骨拼合六集
》
售價：NT$
1520.0
|
| 編輯推薦： |
|
本书适合从事智能优化、进化计算、计算智能、智能优化、管理科学与应用数学领域研究的学者与研究生阅读，也可以作为智能算法应用工程师的辅助工具书。
|
| 內容簡介： |
|
群体智能算法是一类源于自然现象与社会规律启发的智能算法，是当前人工智能方法的重要组成部分。本书从群体智能算法的基本特征入手，介绍了常见的群体智能算法及其理论基础研究的三大内容：数学模型、收敛性与时间复杂度，详细阐述了粒子群优化算法、蚁群优化算法、鸽群优化算法、头脑风暴算法与烟花算法的数学模型、收敛性分析与时间复杂度分析等研究结果。为了方便读者开展算法理论分析的实践，部分章节提供了配套实用软件工具的使用案例。本书适合从事智能优化、进化计算、计算智能、智能优化、管理科学与应用数学领域研究的学者与研究生阅读，也可以作为智能算法应用工程师的辅助工具书。
|
| 關於作者： |
|
黄翰，华南理工大学软件学院教授、博导，国家级青年人才项目入选者，兼任国际学术期刊IEEE TEVC等副编、大数据与智能机器人重点实验室副主任、广东省本科高校软件工程专业指导委员会主任委员等；主持科技部重点研发项目、国家自然科学基金等近20项；在IEEE TCYB、IEEE TSE等专业学术期刊发表论文60多篇；长期致力于智能算法理论、应用与产业生态的研究，完成落地应用案例70多项。
|
| 目錄：
|
第 1 章 群体智能算法简介 1
1.1 群体智能算法的起源 1
1.2 群体智能算法特点 2
1.3 常见的几类群体智能算法 2
1.3.1 粒子群优化算法 3
1.3.2 蚁群优化算法 4
1.3.3 头脑风暴优化算法 5
1.3.4 鸽群优化算法 6
1.3.5 烟花算法 7
1.4 群体智能算法分析的数学模型 8
1.4.1 马尔可夫过程 8
1.4.2 漂移分析模型 9
1.4.3 平均增益模型 10
1.5 群体智能算法的收敛性分析 10
1.6 群体智能算法的时间复杂度分析 11
1.7 本章小结 13
第 2 章 粒子群优化算法的理论基础 14
2.1 粒子群优化算法简介 14
2.1.1 粒子群优化算法基本框架 14
2.1.2 粒子群优化算法理论基础的研究进展 15
2.2 粒子群优化算法的平均增益模型 16
2.3 粒子群优化算法的收敛性分析 17
2.4 粒子群优化算法的时间复杂度分析 19
2.4.1 粒子群优化算法的时间复杂度分析方法 19
2.4.2 粒子群优化算法的时间复杂度分析案例 20
2.5 粒子群优化算法时间复杂度估算的实验方法 27
2.5.1 基于平均增益模型的 PSO 算法时间复杂度估算方法 28
2.5.2 SPSO 算法的时间复杂度估算结果与分析 29
2.5.3 CLPSO 算法的时间复杂度估算结果与分析 34
2.5.4 ELPSO 算法的时间复杂度估算结果与分析 37
2.6 本章小结 40
第 3 章 蚁群优化算法的理论基础 41
3.1 蚁群优化算法简介 41
3.1.1 蚁群优化算法的基本框架 41
3.1.2 蚁群优化算法理论基础的研究进展 44
3.2 蚁群优化算法的马尔可夫过程模型 45
3.3 蚁群优化算法的收敛性分析 47
3.4 蚁群优化算法的时间复杂度分析 48
3.4.1 期望收敛时间 48
3.4.2 基于信息素比率的期望收敛时间界 51
3.4.3 蚁群优化算法的时间复杂度分析案例 53
3.5 本章小结 56
第 4 章 头脑风暴优化算法的理论基础 57
4.1 头脑风暴优化算法简介 57
4.1.1 基本框架 57
4.1.2 理论基础的研究进展 59
4.2 头脑风暴优化算法的平均增益模型 61
4.3 头脑风暴优化算法的时间复杂度分析 64
4.3.1 头脑风暴优化算法的时间复杂度分析忠路 64
4.3.2 不存在干扰操作的 BSO 算法案例研究 65
4.3.3 存在干扰操作的 BSO 算法案例研究 71
4.3.4 BSO 算法时间复杂度的验证实验 78
4.4 头脑风暴优化算法时间复杂度估算的实验方法 81
4.4.1 实验方法的基本原理 82
4.4.2 实验方法的应用案例 83
4.5 本章小结 89
第 5 章 鸽群优化算法的理论基础 90
5.1 鸽群优化算法简介 90
5.1.1 鸽群优化算法基本框架 91
5.1.2 鸽群优化算法理论基础的研究进展 93
5.2 鸽群优化算法的随机过程模型 94
5.3 鸽群优化算法的收敛性分析 94
5.3.1 个体平均位置的收敛性分析 95
5.3.2 鸽群优化算法的棋分析 96
5.3.3 鸽群优化算法全局收敛的充分条件 96
5.4 鸽群优化算法时间复杂度估算的实验方法 100
5.5 本章小结 107
第 6 章 烟花算法的理论基础 109
6.1 烟花算法简介 109
6.2 烟花算法的随机过程模型 111
6.3 烟花算法的全局收敛性分析 113
6.4 烟花算法的时间复杂度分析 114
6.4.1 烟花算法的期望首达时间 114
6.4.2 烟花算法的时间复杂度分析方法 116
6.5 烟花算法时间复杂度估算的实验方法 119
6.6 本章小结 125
参考文献 126
致谢 137
|
| 內容試閱：
|
群体智能算法是一类非常有趣且实用的人工智能方法。有趣，是因为它的设计思想多来源于自然界动物的种群行为现象或者人类社会的群体行为规律；实用，是因为它的设计思路比较符合人的计算思维，容易被工程师掌握并应用于实际。因此，群体智能算法自 1989年提出至今历经 30多年仍吸引着学术界和工业界的广泛关注，连续多年成为研究与应用的潮流热点。
虽然针对群体智能算法的设计与应用的研究不少，但是针对其理论基础的研究却还是凤毛麟角。这一点和进化算法的情况非常类似。针对进化算法的理论基础研究工作主要是缺少算法时间复杂度方面的研究，而针对群体智能算法的理论基础研究工作则是全方位的欠缺，包括数学模型、收敛性分析与时间复杂度三个方面。本书针对理论基础而阐述的内容主要包括了群体智能算法的数学模型、收敛性分析与时间复杂度。人工智能的本质是知识表示，而数学模型是理论基础研究的知识表示方式。因此，我们对于每一类算法理论基础的介绍都是从其数学模型开始的。收敛性则是评价群体智能算法是否最终可以停机并达到最优解的标准，然而它是一种基于迭代次数趋于无穷的分析结果，我们还需要另一个标准来评价算法的性能与效率。这个标准就是时间复杂度，它可以度量群体智能算法在平均意义下需要多少次迭代达到最优解。
与进化算法类似，群体智能算法的种类很多。本书仅仅选择了五类相对有代表性的群体智能算法作为主要的介绍对象。其中，粒子群优化算法和蚁群优化算法是国外学者原创的算法，曾是学术界的高被引研究主题；鸽群优化算法与烟花算法则是国内学者原创的算法；而头脑风暴优化算法是美籍华人学者在国内工作时提出的算法。每一种算法都有比较重要的学术研究价值与实际应用价值，其原创者在计算智能领域也都具有比较显著的学术影响力。
因为每一种算法在理论基础三个方面的研究进展不同，所以本书中对应内容的章节篇幅也各不相同，甚至有一些算法在某一个方面的研究暂时还是缺失的。因此，本书除了介绍群体智能算法理论研究基础的研究进展，还为读者提供了从事这一主题研究的发展方向。不仅如此，由于时间复杂度分析的计算比较复杂烦琐，我们还基于最新进化算法时间复杂度估算实验方法的研究结果，介绍了用于辅助分析的软件，并且用算法的分析案例向读者展示软件的使用过程与效果。
在此，我们衷心感谢国家自然科学基金（项目编号： 61003066、61876207、 62276103）对本研究工作的资助。本书作为《进化算法时间复杂度分析的理论、方法与工具》的姊妹篇，可以在群体智能算法数学基础与理论分析方面为读者提供比较全面的参考。鉴于我们的水平有限，不足之处在所难免，恳请广大读者、专家和同行们不吝赐教及批评指正。我们愿与大家一起为夯实群体智能算法的理论基础而不懈努力。
黄翰
2024年 2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
