智能優(yōu)化算法及其在機(jī)械工程中的應(yīng)用

內(nèi)容概要

　　《智能優(yōu)化算法及其在機(jī)械工程中的應(yīng)用》結(jié)合作者多年來在相關(guān)方面的科研和教學(xué)工作的積累，以較為通俗簡練的語言詳細(xì)地介紹了智能優(yōu)化算法中的遺傳算法、粒子群優(yōu)化算法、差異演化算法、模擬植物生長算法和果蠅優(yōu)化算法及其在機(jī)械工程中的應(yīng)用，以期使讀者能夠盡快了解和掌握這些算法的基本理論和應(yīng)用技術(shù)?！　　吨悄軆?yōu)化算法及其在機(jī)械工程中的應(yīng)用》可作為機(jī)械工程、系統(tǒng)科學(xué)、計算機(jī)應(yīng)用以及其他一些相關(guān)專業(yè)的研究生及本科生教材，也可以供相關(guān)專業(yè)的工程技術(shù)與科研人員學(xué)習(xí)參考。

書籍目錄

第1章概述 1.1群智能的基本概念 1.2群智能思想的起源簡介 1.3群智能理論簡介 1.4演化算法簡介 1.5本書主要內(nèi)容與安排 第2章遺傳算法及其應(yīng)用 2.1遺傳算法的起源與發(fā)展簡介 2.1.1遺傳算法的生物學(xué)基礎(chǔ) 2.1.2遺傳算法的提出與發(fā)展簡介 2.2遺傳算法的理論基礎(chǔ) 2.2.1遺傳算法的基本原理 2.2.2遺傳算法的幾個基本概念 2.2.3 遺傳算法的基本算子和數(shù)學(xué)基礎(chǔ) 2.3遺傳算法的實(shí)現(xiàn) 2.3.1遺傳算法的實(shí)現(xiàn) 2.3.2遺傳算法實(shí)現(xiàn)舉例 2.4遺傳算法的特點(diǎn)與改進(jìn) 2.4.1遺傳算法的特點(diǎn) 2.4.2 對簡單遺傳算法的一些改進(jìn) 2.4.3幾種常見的遺傳算法 2.4.4遺傳算法應(yīng)用的幾個關(guān)鍵問題 2.5遺傳算法在機(jī)械工程中的應(yīng)用 2.5.1 基于遺傳算法的Bounc Wen遲滯非線性動力學(xué)模型的參數(shù)識別方法 2.5.2 基于遺傳算"X——的圓柱齒輪變位系數(shù)的優(yōu)化選擇 2.5.3基于遺傳算法的機(jī)器人路徑規(guī)劃 第3章粒子群優(yōu)化算法及其應(yīng)用 3.1基本粒子群優(yōu)化算法 3.1.1粒子群優(yōu)化算法的產(chǎn)生 3.1.2基本粒子群優(yōu)化算法 3.1.3基本粒子群優(yōu)化算法的參數(shù)選擇 3.1.4 帶慣性權(quán)重的粒子群優(yōu)化算法 3.1.5粒子群優(yōu)化算法的控制參數(shù)分析 3.2混沌粒子群優(yōu)化算法 3.2.1 混沌的一些基本特性 3.2.2混沌映射 3.2.3基于群體適應(yīng)度方差的混沌粒子群優(yōu)化算法 3.3無約束多目標(biāo)粒子群優(yōu)化算法 3.3.1 多目標(biāo)優(yōu)化問題的基本概念和術(shù)語 3.3.2 多目標(biāo)優(yōu)化問題的發(fā)展及其傳統(tǒng)的解決方法 3.3.3無約束多目標(biāo)粒子群優(yōu)化算法 3.4約束多目標(biāo)粒子群優(yōu)化算法 3.4.1約束優(yōu)化問題 3.4.2罰函數(shù)法 3.4.3 基于罰函數(shù)法的帶約束條件的粒子群優(yōu)化算法 3.5基于極坐標(biāo)的粒子群優(yōu)化算法 3.5.1 基于極坐標(biāo)的粒子群優(yōu)化算法的數(shù)學(xué)描述 3.5.2有關(guān)PPSO算法的特點(diǎn)與討論 3.5.3基本粒子群優(yōu)化算法和PPSO算法的測試結(jié)果對比與討論 3.6帶活力因子的粒子群優(yōu)化算法 …… 第4章差異演化算法及其應(yīng)用 第5章模擬植物生長算法及其應(yīng)用 第6章果蠅優(yōu)化算法及其應(yīng)用 參考文獻(xiàn) 致謝

章節(jié)摘錄

版權(quán)頁：   插圖：   遺傳算法（Genetic Algorithm，GA）是一類借鑒生物界自然選擇和自然遺傳機(jī)制的隨機(jī)化搜索算法，它是由美國Michigan大學(xué)的J.Holland教授于1975年首先提出的。遺傳算法模擬生物進(jìn)化的基本過程，用數(shù)碼串來類比生物中的染色個體，通過選擇、交叉、變異等遺傳算子來仿真生物的基本進(jìn)化過程，利用適應(yīng)度函數(shù)來表示染色體所蘊(yùn)涵問題解的質(zhì)量的優(yōu)劣，通過種群的不斷“更新?lián)Q代”，從而提高每代種群的平均適應(yīng)度，通過適應(yīng)度函數(shù)引導(dǎo)種群的進(jìn)化方向，并在此基礎(chǔ)上，使得最優(yōu)個體所代表的問題解逼近問題的全局最優(yōu)解。 2.1遺傳算法的起源與發(fā)展簡介 2.1.1 遺傳算法的生物學(xué)基礎(chǔ) 自然界充滿了奇跡與生機(jī)，而生命的繁衍更是奇妙無窮。人類之所以能夠向其自身的演化學(xué)習(xí)以增強(qiáng)決策問題的能力，是因?yàn)樽匀谎莼^程本質(zhì)就是一個學(xué)習(xí)與優(yōu)化的過程。這一優(yōu)化過程的目的是使生命體達(dá)到適應(yīng)環(huán)境的最佳結(jié)構(gòu)與效果。 曾經(jīng)主宰地球的恐龍由于龐大的身軀跟不上環(huán)境的變遷而滅絕；長頸鹿為了覓食而長長了脖子；老鼠的機(jī)敏是為了生存而掙扎的結(jié)果；青蛙的存活則得益于其兩棲式左右逢源的能力；人類解放出有力的雙手，得益于類人猿求生的努力，而正是這一對與其他動物的不同的、不再用于進(jìn)行行走的雙手，使人類成了這個世界的主宰。自然演化遵循著一種奇妙的規(guī)律，這就是達(dá)爾文發(fā)現(xiàn)的自然演化規(guī)律：物競天擇，適者生存。 自然界特別是生物界神奇的進(jìn)化過程是一個不斷優(yōu)化的過程。近代基因遺傳丁程的研究成果正在不斷揭示著這一過程的本質(zhì)機(jī)理。人們?yōu)槭裁床荒軒煼ù笞匀?，把生物學(xué)進(jìn)化的一些基本概念和機(jī)理引伸到工程問題的研究中來呢？1975年，Holland提出了建立基因遺傳優(yōu)化的計算機(jī)仿真一遺傳算法的基本概念和技巧，其本意是在人工適應(yīng)系統(tǒng)中設(shè)計的一種基于自然演化原理搜索機(jī)制。 遺傳算法是基于自然選擇和遺傳機(jī)制，在計算機(jī)上模擬自然界生物進(jìn)化過程與機(jī)制的尋優(yōu)搜索仿生智能算法，它模擬的機(jī)制是一切生命與智能的產(chǎn)生與進(jìn)化過程。它模擬達(dá)爾文的自然演化規(guī)律的原理激勵好的結(jié)構(gòu)，模擬孟德爾的遺傳變異理論在迭代過程中保持已有的結(jié)構(gòu)，同時尋找更好的結(jié)構(gòu)。它是一類自組織、自適應(yīng)人工智能技術(shù)。 自然界的生物從其父代繼承特征或性狀，這種生命現(xiàn)象稱為遺傳（Heredity），研究這種生命現(xiàn)象與機(jī)理的科學(xué)即為遺傳學(xué)（Genetics）。由于有遺傳作用，自然界才有穩(wěn)定的物種，人們種瓜得瓜，種豆得豆，之所以魚至今還仍然會在水中遨游、鳥仍然在天空中飛翔都是這個緣由。自然界之所以穩(wěn)定有序，持久永恒，而非天翻地覆，恐怕也得益于這一點(diǎn)。

編輯推薦

《智能優(yōu)化算法及其在機(jī)械工程中的應(yīng)用》可作為機(jī)械工程、系統(tǒng)科學(xué)、計算機(jī)應(yīng)用以及其他一些相關(guān)專業(yè)的研究生及本科生教材，也可以供相關(guān)專業(yè)的工程技術(shù)與科研人員學(xué)習(xí)參考。

圖書封面

評論、評分、閱讀與下載

---

    智能優(yōu)化算法及其在機(jī)械工程中的應(yīng)用 PDF格式下載

---