協(xié)同進化計算與多智能體系統(tǒng)

內(nèi)容概要

本書是作者在自然計算領(lǐng)域中協(xié)同進化計算和多智能體系統(tǒng)研究方向上近幾年研究成果的系統(tǒng)總結(jié)。在總結(jié)目前國內(nèi)外該研究方向發(fā)展現(xiàn)狀的基礎(chǔ)上，本書著重介紹作者在這一方向的研究成果，主要包括：組織協(xié)同進化算法，協(xié)同進化多目標(biāo)優(yōu)化算法，智能體進化算法，宏智能體進化模型的構(gòu)造、實現(xiàn)及其在大規(guī)模數(shù)據(jù)分類問題、SAT問題、VLSI布圖規(guī)劃問題、數(shù)值優(yōu)化問題、組合優(yōu)化問題、約束滿足問題、約束布局優(yōu)化問題、時延受限組播路由問題等領(lǐng)域中的應(yīng)用。本書算法理論與應(yīng)用實踐并重，不但為相關(guān)協(xié)同進化計算和多智能體系統(tǒng)的研究者提供研究方法以資借鑒，而且更重要的是為計算智能的應(yīng)用提供新的思路和方法。     本書可以為計算機科學(xué)、信息科學(xué)、人工智能自動化技術(shù)等領(lǐng)域從事自然計算、進化計算、協(xié)同進化計算、多智能體系統(tǒng)研究的相關(guān)專業(yè)技術(shù)人員提供參考，也可以作為相關(guān)專業(yè)研究生和高年級本科生教材。

作者簡介

焦李成：1959年lO月18日生，1982年畢業(yè)于上海交通大學(xué)，1990年在西安交通大學(xué)獲博士學(xué)位，現(xiàn)任西安電子科技大學(xué)神經(jīng)網(wǎng)絡(luò)研究中心主任、教授。他所從事的學(xué)科是電路與系統(tǒng)。他創(chuàng)造性地把Volterra級數(shù)用于非線性電路分析，并有效地開展了電路故障診斷和全集成連續(xù)時間MOSFET—C濾波器的非線性分析及應(yīng)用研究。對非線性傳遞函數(shù)的性質(zhì)進行了比較系統(tǒng)的分析，得到了一些理論上有意義的成果。在神經(jīng)網(wǎng)絡(luò)模型和穩(wěn)定性問題上進行了系統(tǒng)的理論研究，提出了關(guān)聯(lián)穩(wěn)定性和實用穩(wěn)定性概念，從數(shù)學(xué)上論證了判斷穩(wěn)定性的條件和有關(guān)定理，豐富了人工神經(jīng)網(wǎng)絡(luò)理論上的成果，對網(wǎng)絡(luò)設(shè)計有一定的指導(dǎo)意義。出版《神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論》、《非線性傳遞函數(shù)理論與應(yīng)用》及《神網(wǎng)絡(luò)的應(yīng)用與實現(xiàn)》三部專著?！渡窠?jīng)網(wǎng)絡(luò)系統(tǒng)理論》一書比較全面收集和整理了已有的研究成果，包括他本人的成果已為一些高校采用作教材，并已在臺灣出版。他還積極從事學(xué)校的教學(xué)工作，講授過多門課程，協(xié)助指導(dǎo)博士生和碩士生，受到學(xué)生和研究生的歡迎。焦李成學(xué)術(shù)思想活躍，反應(yīng)敏銳,勇于開拓，積極進取，熱心社會工作，他還在中國電于學(xué)會等多個學(xué)術(shù)組織中任職，是陜西省十大杰出青年之一。

書籍目錄

《智能科學(xué)技術(shù)著作叢書》序前言第1章緒論　1.1 從進化論到進化計算　　1.1.1 現(xiàn)代進化論　　1.1.2 生物進化與優(yōu)化　1.2 進化計算　　1.2.1 進化計算的主要分支　　1.2.2 進化計算的數(shù)學(xué)基礎(chǔ)　　1.2.3 進化算法的收斂性理論　　1.2.4 進化計算的應(yīng)用　1.3 協(xié)同進化計算　　1.3.1 協(xié)同進化的生物學(xué)基礎(chǔ)　　1.3.2 協(xié)同進化的動力學(xué)描述　　1.3.3 協(xié)同進化算法的發(fā)展現(xiàn)狀　1.4 復(fù)雜適應(yīng)系統(tǒng)　　1.4.1 復(fù)雜適應(yīng)系統(tǒng)　　1.4.2 復(fù)雜適應(yīng)系統(tǒng)的適應(yīng)性與生物進化過程　　1.4.3 生物進化過程的數(shù)學(xué)模型　1.5 多智能體系統(tǒng)　　1.5.1 智能體的基本概念　　1.5.2 智能體形式化描述　　1.5.3 多智能體系統(tǒng)的主要研究內(nèi)容　　1.5.4 面向問題解決的多智能體系統(tǒng)研究現(xiàn)狀　　1.5.5 多智能體系統(tǒng)與分布式人工智能　　1.5.6 多智能體系統(tǒng)與人工生命　　1.5.7 多智能體系統(tǒng)與進化計算第2章 組織協(xié)同進化分類算法　2.1 分類問題與組織學(xué)習(xí)模型　2.2 用于分類的組織　2.3 組織適應(yīng)度函數(shù)　2.4 組織協(xié)同進化分類算法　2.5 仿真實驗比較研究　　2.5.1 UCI標(biāo)準(zhǔn)數(shù)據(jù)集　　2.5.2 算法擴展性分析　2.6 算法實際應(yīng)用　　2.6.1 雷達(dá)一維像識別　　2.6.2 遙感艦船目標(biāo)識別第3章 組織進化算法求解sAT問題　3.1 用于SAT問題的組織　3.2 組織進化算子設(shè)計　　3.2.1 自學(xué)習(xí)算子　　3.2.2 吞并算子　　3.2.3 分裂算子　3.3 求解SAT問題的組織進化算法　3.4 仿真實驗比較研究第4章 組織進化數(shù)值優(yōu)化算法　4.1 用于數(shù)值優(yōu)化的組織　4.2 組織進化算子設(shè)計　　4.2.1 分裂算子　　4.2.2 吞并算子　　4.2.3 合作算子　4.3 組織進化數(shù)值優(yōu)化算法　4.4 收斂性證明　4.5 無約束優(yōu)化仿真實驗　　4.5.1 OEA的實驗結(jié)果　　4.5.2 OEA與FEP和OGA位的比較　4.6 有約束優(yōu)化仿真實驗　　4.6.1 OEA與已有方法的性能比較　　4.6.2 OEA的實驗結(jié)果　　4.6.3種群規(guī)模對OEA求解無約束優(yōu)化性能的影響　4.7 參數(shù)機理研究　　4.7.1 參數(shù)AS和CS對OEA性能的影響　　4.7.2 參數(shù)Maxos對OEA性能的影響第5章 移動模式序列——一種新的VLSI布圖表示方法　5.1 布圖規(guī)劃問題　5.2 矩形模塊移動模式序列　　5.2.1 移動模式序列的定義　　5.2.2 移動模式序列到布局的轉(zhuǎn)換算法　　5.2.3 移動模式序列到布局轉(zhuǎn)換算法的正確性與計算復(fù)雜度分析　5.3 直線邊界模塊移動模式序列　　5.3.1 直線邊界模塊的信息表示結(jié)構(gòu)　　5.3.2 移動模式序列到布局的轉(zhuǎn)換算法　　5.3.3 移動模式序列到布局的轉(zhuǎn)換實例第6章 基于移動模式序列的組織進化算法　6.1 求解布圖規(guī)劃問題的組織定義　6.2 各類型模塊形狀的確定　6.3 組織進化算子設(shè)計　　6.3.1 分裂算子　　6.3.2 吞并算子　　6.3.3 培訓(xùn)算子　6.4 基于移動模式序列的組織進化算法　6.5 仿真實驗比較研究　　6.5.1 硬矩形模塊的布圖規(guī)劃實驗　　6.5.2 軟矩形模塊的布圖規(guī)劃實驗　　6.5.3 軟矩形模塊與硬直線邊界模塊混合的布圖規(guī)劃實驗第7章 協(xié)同進化多目標(biāo)優(yōu)化算法求解VLSI布圖規(guī)劃問題　7.1 多目標(biāo)優(yōu)化　　7.1.1 多目標(biāo)優(yōu)化問題的起源與數(shù)學(xué)模型　　7.1.2 經(jīng)典的多目標(biāo)進化算法　　7.1.3 種群多樣性　　7.1.4 性能評價方法　7.2 協(xié)同進化多目標(biāo)優(yōu)化算法　　7.2.1 適應(yīng)度定義與選擇機制　　7.2.2 協(xié)同進化算子　　7.2.3 算法描述　　7.2.4 仿真實驗比較研究　7.3 求解VLSI布圖規(guī)劃問題的協(xié)同進化多目標(biāo)優(yōu)化算法　　7.3.1 協(xié)同進化算子設(shè)計　　7.3.2 算法描述　　7.3.3 仿真實驗比較研究第8章 用于超高維函數(shù)優(yōu)化的多智能體遺傳算法　8.1 用于函數(shù)優(yōu)化的智能體　8.2 智能體遺傳算子設(shè)計　　8.2.1 鄰域競爭算子　　8.2.2 鄰域正交交叉算子　　8.2.3 變異算子　　8.2.4 自學(xué)習(xí)算子　8.3 多智能體遺傳算法　8.4 收斂性證明　8.5 仿真實驗比較研究　　8.5.1 幾個典型算法　　8.5.2 30維函數(shù)優(yōu)化實驗　　8.5.3 20-1 000維函數(shù)優(yōu)化實驗　　8.5.4 1 000～10 000維函數(shù)優(yōu)化實驗　8.6 線性系統(tǒng)逼近問題仿真實驗　　8.6.1 自適應(yīng)伸縮搜索空間的方法　　8.6.2 自適應(yīng)遺傳算法仿真實驗　　8.6.3 用于線性系統(tǒng)逼近的多智能體遺傳算法　　8.6.4 線性系統(tǒng)逼近問題仿真實驗第9章 可分解函數(shù)優(yōu)化的宏智能體進化模型　9.1 可分解函數(shù)　9.2 宏智能體　9.3 宏智能體進化模型　9.4 層次多智能體遺傳算法　　9.4.1 算法描述　　9.4.2 收斂性證明與時間復(fù)雜度分析　　9.4.3 仿真實驗比較研究第10章 組合優(yōu)化多智能體進化算法　10.1 用于組合優(yōu)化的智能體　10.2 智能體的行為　　10.2.1 競爭行為　　10.2.2 自學(xué)習(xí)行為　10.3 組合優(yōu)化多智能體進化算法　10.4 收斂性證明　10.5 欺騙問題仿真實驗　　10.5.1 強聯(lián)結(jié)欺騙函數(shù)實驗　　10.5.2 弱聯(lián)結(jié)欺騙函數(shù)實驗　　10.5.3 重疊聯(lián)結(jié)欺騙函數(shù)實驗　10.6 等級問題仿真實驗　　10.6.1 等級問題　　10.6.2 實驗結(jié)果第11章 約束滿足智能體進化算法　11.1 約束滿足智能體　　11.1.1 約束滿足問題：　　11.1.2 約束滿足智能體的定義　　11.1.3 約束滿足智能體的生存環(huán)境　11.2 約束滿足智能體的行為　　11.2.1 競爭行為　　11.2.2 自學(xué)習(xí)行為　　11.2.3 變異行為　11.3 約束滿足智能體進化算法　11.4 算法復(fù)雜性分析　　11.4.1 空間復(fù)雜度分析　　11.4.2 收斂性證明　11.5 非排列式約束滿足問題仿真實驗　　11.5.1 與經(jīng)典算法的性能比較研究　　11.5.2 算法參數(shù)機理分析　11.6 排列式約束滿足問題仿真實驗　　11.6.1 n-皇后問題　　11.6.2 實驗結(jié)果第12章 多智能體進化算法的實際應(yīng)用　12.1 約束布局優(yōu)化問題　　12.1.1問題描述　　12.1.2 求解約束布局優(yōu)化問題的多智能體遺傳算法　　12.1.3 仿真實驗比較研究　12.2 時延受限組播路由問題　　12.2.1 組播路由算法概述　　12.2.2 搜索空間動態(tài)擴展的多智能體進化算法求解時延受限組播路由問題　　12.2.3 仿真實驗研究參考文獻附錄A 第4章的15個無約束優(yōu)化測試函數(shù)附錄B 第4章的13個有約束優(yōu)化測試函數(shù)附錄C 圖6.2布圖結(jié)果對應(yīng)的形狀信息和移動模式序列附錄D 圖6.3布圖結(jié)果對應(yīng)的形狀信息和移動模式序列附錄E 圖6.4布圖結(jié)果對應(yīng)的形狀信息和移動模式序列

編輯推薦

《協(xié)同進化計算與多智能體系統(tǒng)》可為計算機科學(xué)、信息科學(xué)、人工智能自動化技術(shù)等領(lǐng)域從事自然計算、進化計算、協(xié)同進化計算、多智能體系統(tǒng)研究的相關(guān)專業(yè)技術(shù)人員提供參考。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    協(xié)同進化計算與多智能體系統(tǒng) PDF格式下載

---