智能優(yōu)化方法

內(nèi)容概要

本教材主要介紹近年來產(chǎn)生發(fā)展的多種智能優(yōu)化算法。包括為人熟知的遺傳算法、禁忌搜索算法、模擬退火算法和蟻群優(yōu)化算法；近年來已成為研究熱點的粒子群優(yōu)化算法；還有尚待普及的捕食搜索算法和動態(tài)環(huán)境下的進化計算。書中討論這些算法的產(chǎn)生和發(fā)展、算法的基本思想和理論、基本構(gòu)成、計算步驟和主要的變形以及數(shù)值例子和實際應(yīng)用。為了方便讀者學(xué)習(xí)，各章之后還附有精選的習(xí)題、思考題及相關(guān)的參考文獻?！　”窘滩氖菫椤爸悄軆?yōu)化方法”這門研究生課程編寫的，可作為系統(tǒng)工程、管理工程、計算機、自動化、人工智能以及其他應(yīng)用優(yōu)化算法專業(yè)的研究生及高年級的本科生教材，也可供相關(guān)專業(yè)的研究人員和工程技術(shù)人員參考。

書籍目錄

第1章 智能優(yōu)化方法的產(chǎn)生與發(fā)展　1.1 最優(yōu)化的重要意義　1.2 傳統(tǒng)優(yōu)化方法的基本步驟及其局限性　1.3 智能優(yōu)化方法的產(chǎn)生與發(fā)展　1.4 怎樣學(xué)習(xí)研究智能優(yōu)化方法　問題與思考　參考文獻第2章 偽隨機數(shù)的產(chǎn)生　2.1 偽隨機數(shù)在智能優(yōu)化方法中的作用　2.2 產(chǎn)生0-1均勻分布偽隨機數(shù)的乘同余法　2.3 產(chǎn)生正態(tài)分布偽隨機數(shù)的方法　2.4 產(chǎn)生其他分布的偽隨機數(shù)的逆變法　問題與思考　參考文獻第3章 遺傳算法　3.1 導(dǎo)言　　3.1.1 生物的進化　　3.1.2 生物的遺傳和變異　3.2 遺傳算法的基本原理　　3.2.1 基本思想　　3.2.2 構(gòu)成要素　　3.2.3 算法流程　　3.2.4 解空間與編碼空間的轉(zhuǎn)換　　3.2.5 計算舉例　3.3 模板理論　　3.3.1 模板的概念　　3.3.2 模板理論　3.4 改進與變形　　3.4.1 編碼方法　　3.4.2 遺傳運算中的問題　　3.4.3 適值函數(shù)的標(biāo)定　　3.4.4 選擇策略　　3.4.5 停止準(zhǔn)則　　3.4.6 高級基因操作　　3.4.7 約束的處理　　3.4.8 多目標(biāo)的處理　3.5 應(yīng)用實例　　3.5.1 背包問題　　3.5.2 最小生成樹問題　　3.5.3 二次指派問題 　　3.5.4 企業(yè)動態(tài)聯(lián)盟中的伙伴挑 　　3.5.5 準(zhǔn)時化生產(chǎn)計劃的半無限規(guī)劃模型　問題與思考　參考文獻第4章 禁忌搜索算法　4.1 導(dǎo)言　　4.1.1 局部鄰域搜索　　4.1.2 禁忌搜索算法的基本思想　4.2 算法的構(gòu)成要素　　4.2.1 編碼方法　　4.2.2 適值函數(shù)的構(gòu)造　　4.2.3 初　　4.2.4 移動與鄰域移動　　4.2.5 禁忌表　　4.2.6 選擇策略　　4.2.7 渴望水平　　4.2.8 停止準(zhǔn)則　4.3 算法流程與算例　　4.3.1 基本步驟　　4.3.2 流程圖　　4.3.3 一個簡單的例子　4.4 中期表與長期表　　4.4.1 中期表　　4.4.2 長期表　4.5 算法性能的改進　　4.5.1 并行禁忌搜索算法　　4.5.2 主動禁忌搜索算法　　4.5.3 禁忌搜索算法與遺傳算法混合的搜索策略　　4.5.4 其他改進方法　4.6 禁忌搜索算法的應(yīng)用　　4.6.1 應(yīng)用于實優(yōu)化問題　　4.6.2 應(yīng)用于多目標(biāo)優(yōu)化問題　　4.6.3 電子超市網(wǎng)站鏈接設(shè)計中的應(yīng)用　　4.6.4 多盤剎車設(shè)計中的應(yīng)用　問題與思考　參考文獻第5章 模擬退火算法　5.1 導(dǎo)言　　5.1.1 熱力學(xué)中的退火過程　　5.1.2 退火與模擬退火　5.2 退火過程的數(shù)學(xué)描述和Boltzmann方程　5.3 模擬退火算法的構(gòu)造及流程　　5.3.1 算法的計算步驟和流程圖　　5.3.3 一個簡單的算例　5.4 算法的收斂性分析　　5.4.1 Markov過程　　5.4.2 sA的收斂性分析　5.5 應(yīng)用案例　　5.5.1 成組技術(shù)中加工中心的組成問題　　5.5.2 準(zhǔn)時化生產(chǎn)計劃問題　問題與思考　參考文獻第6章 蟻群算法　6.1 導(dǎo)言　　6.1.1 蟻群覓食的特性　　6.1.2 人工螞蟻與真實螞蟻的異同　　6.1.3 蟻群算法的研究進展　6.2 基本蟻群算法　　6.2.1 基本蟻群算法的原理　　6.2.2 基本蟻群算法的數(shù)學(xué)模型　　6.2.3 基本蟻群算法的具體實現(xiàn)　　6.2.4 基本蟻群算法的復(fù)雜度分析　　6.2.5 參數(shù)選擇對蟻群算法性能的影響　6.3 改進的蟻群算法　　6.3.1 蟻群算法的收斂性研究　　6.3.2 離散域蟻群算法的改進研究　　6.3.3 連續(xù)域蟻群算法的改進研究　6.4 蟻群算法與其他仿生優(yōu)化算法的比較與融合　　6.4.1 蟻群算法與其他仿生優(yōu)化算法的比較　　6.4.2 蟻群算法與其他仿生優(yōu)化算法的融合　6.5 蟻群算法的典型應(yīng)用　　6.5.1 車輛路徑問題　　6.5.2 車間作業(yè)調(diào)度問題　問題與思考　參考文獻第7章 粒子群優(yōu)化算法　7.1 導(dǎo)言　7.2 基本原理　　7.2.1 基本粒子群優(yōu)化算法　　7.2.2 標(biāo)準(zhǔn)粒子群優(yōu)化算法　　7.2.3 算法構(gòu)成要素　　7.2.4 計算舉例　7.3 PSO的改進與變形　　7.3.1 慣性權(quán)重　　7.3.2 鄰域拓?fù)浣Y(jié)構(gòu)　　7.3.3 學(xué)習(xí)因子　　7.3.4 帶有收縮因子的粒子群優(yōu)化算法　　7.3.5 離散版本的粒子群優(yōu)化算法　　7.3.6 基于遺傳策略和梯度信息的幾種改進算法　　7.3.7 約束的處理　　7.3.8 多目標(biāo)的處理　7.4 應(yīng)用實例　　7.4.1 網(wǎng)絡(luò)廣告資源優(yōu)化　　7.4.2 新產(chǎn)品組合投入問題　問題與思考　參考文獻第8章 捕食搜索算法　8.1 導(dǎo)言　8.2 基本原理　　8.2.1 捕食搜索算法的基本思想　　8.2.2 算法的實現(xiàn)　　8.2.3 捕食搜索算法的應(yīng)用條件　　8.2.4 計算舉例　8.3 改進與變形　　8.3.1 TSP巡游路線之間的距離　　8.3.2 算法步驟　　8.3.3 限制的計算　　8.3.4 參數(shù)的設(shè)置　8.4 應(yīng)用實例　　8.4.1 電子商務(wù)中物流配送路徑優(yōu)化的問題描述與模型　　8.4.2 模型求解的捕食搜索算法　　8.4.3 仿真結(jié)果與比較分析　問題與思考　參考文獻第9章 動態(tài)進化算法　9.1 導(dǎo)言　9.2 動態(tài)環(huán)境的特征　9.3 動態(tài)測試問題　　9.3.1 動態(tài)位匹配問題　　9.3.2 移動拋物線　　9.3.3 時變背包問題　　9.3.4 移動峰函數(shù)　　9.3.5 調(diào)度問題　　9.3.6 振蕩峰函數(shù)　9.4 性能評估方法　9.5 探測環(huán)境中的變化　9.6 原對偶遺傳算法　　9.6.1 原對偶映射　　9.6.2 相關(guān)研究綜述　　9.6.3 PDGA算法的框架結(jié)構(gòu)　　9.6.4 PDGA中相關(guān)參數(shù)的討論　　9.6.5 PDGA與DGA　　9.6.6 PDGA的應(yīng)用　問題與思考　參考文獻結(jié)束語參考文獻

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    智能優(yōu)化方法 PDF格式下載

---