蟻群算法原理及其應(yīng)用

前言

　　仿生優(yōu)化算法是人工智能研究領(lǐng)域中一個(gè)重要的分支，其中包括模擬生物界中自然選擇和遺傳機(jī)制的遺傳算法、模擬螞蟻群體覓食行為的蟻群算法以及模擬鳥(niǎo)類群體捕食行為的微粒群算法等。　　蟻群算法最初由意大利學(xué)者Dorigo M于1991年首次提出，其本質(zhì)上是一個(gè)復(fù)雜的智能系統(tǒng)，它具有較強(qiáng)的魯棒性、優(yōu)良的分布式計(jì)算機(jī)制、易于與其他方法結(jié)合等優(yōu)點(diǎn)。如今這一新興的仿生優(yōu)化算法已經(jīng)成為人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。目前對(duì)其研究已滲透到多個(gè)應(yīng)用領(lǐng)域，并由解決一維靜態(tài)優(yōu)化問(wèn)題發(fā)展到解決多維動(dòng)態(tài)組合優(yōu)化問(wèn)題。如今在國(guó)內(nèi)外許多學(xué)術(shù)期刊和重要國(guó)際會(huì)議上，蟻群算法已成為交叉學(xué)科中一個(gè)非?；钴S的前沿性研究問(wèn)題?！　《魏I博士多年來(lái)一直從事蟻群算法方面的研究工作，并在該領(lǐng)域有著豐厚的研究積累。該書(shū)包含了作者在蟻群算法理論及應(yīng)用方面的研究成果，同時(shí)也吸納了國(guó)內(nèi)外許多有代表性的研究進(jìn)展。　　該書(shū)在系統(tǒng)研究蟻群算法的機(jī)制原理、理論分析及其在離散域和連續(xù)域的若干改進(jìn)策略的基礎(chǔ)上，闡述了蟻群算法在多個(gè)優(yōu)化領(lǐng)域的典型應(yīng)用，探討了蟻群算法的硬件實(shí)現(xiàn)，研究了蟻群算法與其他仿生優(yōu)化算法的融合策略，展望了蟻群算法的發(fā)展方向?！　榱吮阌谧x者學(xué)習(xí)和研究，該書(shū)在附錄部分給出了基本蟻群算法的程序源代碼及相關(guān)的網(wǎng)站資源。因此，該書(shū)不僅具有較高的學(xué)術(shù)價(jià)值，而且對(duì)工程應(yīng)用也具有較好的參考價(jià)值和指導(dǎo)意義。　　該書(shū)取材新穎，覆蓋面廣，結(jié)構(gòu)合理。內(nèi)容闡述深入淺出，條理清晰，注重理論聯(lián)系實(shí)際，具有前瞻性和創(chuàng)新性，較好地體現(xiàn)了在這一研究領(lǐng)域的最新進(jìn)展?！　≡摃?shū)可作為高等院校和科研院所的計(jì)算機(jī)科學(xué)、人工智能、控制科學(xué)、管理科學(xué)、系統(tǒng)工程、電力電子、機(jī)械工程和生命科學(xué)等專業(yè)的廣大師生及科技工作者的學(xué)習(xí)參考書(shū)。　　目前國(guó)內(nèi)系統(tǒng)地介紹蟻群算法的專著還比較匱乏，該書(shū)的出版在一定程度上彌補(bǔ)了這個(gè)不足。相信它的出版將對(duì)蟻群算法的發(fā)展和應(yīng)用起到積極的推動(dòng)作用。

內(nèi)容概要

　　《蟻群算法原理及其應(yīng)用》內(nèi)容取材新穎，覆蓋面較廣，深入淺出，系統(tǒng)性強(qiáng)，注重理論聯(lián)系實(shí)際，力求使讀者能較快掌握和應(yīng)用這一新興的仿生優(yōu)化算法?！断伻核惴ㄔ砑捌鋺?yīng)用(精裝)》可作為計(jì)算機(jī)科學(xué)、控制科學(xué)、人工智能、管理科學(xué)等專業(yè)高年級(jí)本科生、研究生和教師的參考書(shū)，也可供理工科其他專業(yè)的師生參考，還可供利用計(jì)算機(jī)從事智能優(yōu)化的科技人員閱讀和參考。

書(shū)籍目錄

第1章 緒論1.1 引言1.2 螞蟻的生物學(xué)特征1.3 蟻群算法的思想起源1.4 蟻群算法的研究進(jìn)展1.5 本書(shū)的體系結(jié)構(gòu)1.6 本章 小結(jié)參考文獻(xiàn)第2章 基本蟻群算法原理及其復(fù)雜度分析2.1 引言2.2 基本蟻群算法的原理2.3 基本蟻群算法的系統(tǒng)學(xué)特征2.4 基本蟻群算法的數(shù)學(xué)模型2.5 基本蟻群算法的具體實(shí)現(xiàn)2.6 基本蟻群算法的復(fù)雜度分析2.7 基本蟻群算法的性能評(píng)價(jià)指標(biāo)2.8 本章 小結(jié)參考文獻(xiàn)第3章 蟻群算法的收斂性研究3.1 引言3.2 圖搜索螞蟻系統(tǒng)(GBAS)的收斂性研究3.3 一類改進(jìn)蟻群算法的收斂性證明3.4 GBAS／tdev和GBAS／tdlb的確定性收斂證明3.5 基本蟻群算法的A.S.收斂性研究3.6 一類分布式螞蟻路由算法的收斂性研究3.7 基于分支路由和Wiener過(guò)程的蟻群算法收斂性證明3.8 一種簡(jiǎn)單蟻群算法及其收斂性分析3.9 遺傳一蟻群算法的Markov收斂性分析3.1 0一類廣義蟻群算法(GACA)的收斂性分析3.1 1本章 小結(jié)參考文獻(xiàn)第4章 蟻群算法的實(shí)驗(yàn)分析及參數(shù)選擇原則4.1 引言4.2 蟻群行為和參數(shù)對(duì)算法性能影響的實(shí)驗(yàn)分析4.3 蟻群算法參數(shù)最優(yōu)組合的“三步走”方法4.4 本章 小結(jié)參考文獻(xiàn)第5章 離散域蟻群算法的改進(jìn)研究5.1 引言5.2 自適應(yīng)蟻群算法5.3 基于去交叉局部?jī)?yōu)化策略的蟻群算法5.4 基于信息素?cái)U(kuò)散的蟻群算法5.5 多態(tài)蟻群算法5.6 基于模式學(xué)習(xí)的小窗口蟻群算法5.7 基于混合行為的蟻群算法5.8 帶聚類處理的蟻群算法5.9 基于云模型理論的蟻群算法5.1 0具有感覺(jué)和知覺(jué)特征的蟻群算法5.1 1具有隨機(jī)擾動(dòng)特性的蟻群算法5.1 2基于信息熵的改進(jìn)蟻群算法5.1 3本章 小結(jié)參考文獻(xiàn)第6章 連續(xù)域蟻群算法的改進(jìn)研究6.1 引言6.2 基于網(wǎng)格劃分策略的連續(xù)域蟻群算法6.3 基于信息量分布函數(shù)的連續(xù)域蟻群算法6.4 連續(xù)域優(yōu)化問(wèn)題的自適應(yīng)蟻群算法6.5 基于交叉變異操作的連續(xù)域蟻群算法6.6 嵌入確定性搜索的連續(xù)域蟻群算法6.7 基于密集非遞階的連續(xù)交互式蟻群算法(cIACA)6.8 多目標(biāo)優(yōu)化問(wèn)題的連續(xù)域蟻群算法6.9 復(fù)雜多階段連續(xù)決策問(wèn)題的動(dòng)態(tài)窗口蟻群算法6.1 0本章 小結(jié)參考文獻(xiàn)第7章 蟻群算法的典型應(yīng)用7.1 引言7.2 車間作業(yè)調(diào)度問(wèn)題7.3 網(wǎng)絡(luò)路由問(wèn)題7.4 車輛路徑問(wèn)題7.5 機(jī)器人領(lǐng)域7.6 電力系統(tǒng)7.7 故障診斷7.8 控制參數(shù)優(yōu)化7.9 系統(tǒng)辨識(shí)7.1 0聚類分析7.1 1數(shù)據(jù)挖掘7.1 2圖像處理7.1 3航跡規(guī)劃7.1 4空戰(zhàn)決策7.1 5巖土工程7.1 6化學(xué)工業(yè)7.1 7生命科學(xué)7.1 8布局優(yōu)化7.1 9本章 小結(jié)參考文獻(xiàn)第8章 蟻群算法的硬件實(shí)現(xiàn)8.1 引言8.2 仿生硬件概述8.3 基于FPGA的蟻群算法硬件實(shí)現(xiàn)8.4 基于蟻群算法和遺傳算法動(dòng)態(tài)融合的軟硬件劃分8.5 本章 小結(jié)參考文獻(xiàn)第9章 蟻群算法同其他仿生優(yōu)化算法的比較與融合9.1 引言9.2 其他幾種仿生優(yōu)化算法的基本原理9.3 蟻群算法與其他仿生優(yōu)化算法的異同比較9.4 蟻群算法與遺傳算法的融合9.5 蟻群算法與人工神經(jīng)網(wǎng)絡(luò)的融合9.6 蟻群算法與微粒群算法的融合9.7 蟻群算法與人工免疫算法的融合9.8 本章 小結(jié)參考文獻(xiàn)第10章 展望10.1 引言10.2 蟻群算法的模型改進(jìn)10.3 蟻群算法的理論分析10.4 蟻群算法的并行實(shí)現(xiàn)10.5 蟻群算法的應(yīng)用領(lǐng)域10.6 蟻群算法的硬件實(shí)現(xiàn)10.7 蟻群算法的智能融合10.8 本章 小結(jié)參考文獻(xiàn)附錄A基本蟻群算法程序A.1 C語(yǔ)言版A.2 Matlab語(yǔ)言版A.3 VisualBasic語(yǔ)言版附錄B相關(guān)網(wǎng)站附錄C基本術(shù)語(yǔ)(中英文對(duì)照)及縮略語(yǔ)附錄D(詞一首)鷓鴣天蟻群算法

章節(jié)摘錄

　　任務(wù)分配是螞蟻群體行為中又一個(gè)非常顯著的特點(diǎn)。蟻群中各個(gè)螞蟻都有不同的分工，每只螞蟻對(duì)不同任務(wù)的響應(yīng)也是不完全相同的，但是它們可通過(guò)角色的協(xié)調(diào)和相互的協(xié)作來(lái)很好地完成許多任務(wù)。螞蟻的任務(wù)分配可大致分為兩個(gè)層次：第一個(gè)層次的劃分一般可分為從事繁殖的個(gè)體和從事日常工作的個(gè)體；又可對(duì)從事日常工作的個(gè)體作進(jìn)一步劃分，即可分為尋找食物的螞蟻和建筑巢穴的螞蟻。螞蟻是在沒(méi)有任何指導(dǎo)信息的情況下進(jìn)行上述分配的，在這種任務(wù)分配過(guò)程中存在著一種科學(xué)的動(dòng)態(tài)平衡?！　∥浵亴?duì)任務(wù)響應(yīng)的行為與現(xiàn)實(shí)中生產(chǎn)調(diào)度、動(dòng)態(tài)任務(wù)分配等問(wèn)題很相似。當(dāng)正在執(zhí)行任務(wù)的螞蟻受到外界環(huán)境所賦予的新任務(wù)時(shí)，相當(dāng)于受到一個(gè)刺激。當(dāng)螞蟻受到的刺激較小時(shí)，螞蟻仍然保持原有的狀態(tài)；而當(dāng)螞蟻受到的刺激大于其激活閾值時(shí)，螞蟻就會(huì)去處理相應(yīng)的新任務(wù)。當(dāng)新任務(wù)不被處理時(shí)，它就會(huì)開(kāi)始影響螞蟻的行為。隨著時(shí)間的推移，其緊迫程度也越來(lái)越高，緊迫程度高的新任務(wù)就使得螞蟻不能忽視它，有時(shí)候螞蟻可能需要放下正在進(jìn)行的任務(wù)轉(zhuǎn)而去處理更加緊迫的工作。當(dāng)新任務(wù)被處理后，這一新任務(wù)的緊迫度就會(huì)下降，從而不會(huì)引起螞蟻的注意。環(huán)境中的新任務(wù)可能動(dòng)態(tài)地產(chǎn)生，因此螞蟻也相應(yīng)地在環(huán)境中移動(dòng)，以便及時(shí)響應(yīng)新任務(wù)的出現(xiàn)。

編輯推薦

　　《蟻群算法原理及其應(yīng)用(精裝)》系統(tǒng)、深入地介紹了蟻群算法的原理及其應(yīng)用，力圖概括國(guó)內(nèi)外在這一學(xué)術(shù)領(lǐng)域的最新研究進(jìn)展。全書(shū)共包括10章，主要內(nèi)容包括蟻群算法的思想起源、研究現(xiàn)狀及機(jī)制原理；蟻群算法的復(fù)雜度分析；蟻群算法的收斂性證明；蟻群算法參數(shù)對(duì)其性能的影響；蟻群算法的參數(shù)選擇原則；離散域和連續(xù)域蟻群算法的若干改進(jìn)策略；蟻群算法在多個(gè)優(yōu)化領(lǐng)域的典型應(yīng)用；蟻群算法的硬件實(shí)現(xiàn)技術(shù)；蟻群算法與其他仿生優(yōu)化算法的比較與融合；蟻群算法的研究展望；最后還在附錄部分給出了基本蟻群算法的程序源代碼和相關(guān)網(wǎng)站。

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    蟻群算法原理及其應(yīng)用 PDF格式下載

---