現(xiàn)代智能優(yōu)化混合算法及其應(yīng)用

內(nèi)容概要

智能優(yōu)化混合算法是一種以某類優(yōu)化算法為基礎(chǔ)，融合其他智能算法或理論的混合算法，可用于求解各種工程問(wèn)題優(yōu)化解。
梁旭、黃明所著的《現(xiàn)代智能優(yōu)化混合算法及其應(yīng)用》系統(tǒng)討論了現(xiàn)今應(yīng)用較為廣泛的幾種智能優(yōu)化混合算法，主要內(nèi)容來(lái)源于作者多年的研究成果，使讀者比較全面地了解智能優(yōu)化混合算法的相關(guān)知識(shí)及應(yīng)用。《現(xiàn)代智能優(yōu)化混合算法及其應(yīng)用》理論聯(lián)系實(shí)際，集知識(shí)性、專業(yè)性、操作性、技能性為一體，對(duì)智能優(yōu)化混合算法的原理、步驟、應(yīng)用等進(jìn)行了全面且詳細(xì)的介紹。
《現(xiàn)代智能優(yōu)化混合算法及其應(yīng)用》可作為計(jì)算機(jī)、自動(dòng)控制、人工智能、管理科學(xué)和工業(yè)工程等專業(yè)的研究生及高年級(jí)本科生教材，也可作為從事計(jì)算智能、軟件開(kāi)發(fā)等優(yōu)化相關(guān)專業(yè)研究人員和工程技術(shù)人員的參考書。

書籍目錄

第1章 緒論
 1.1 智能優(yōu)化算法簡(jiǎn)介
 1.1.1 遺傳算法簡(jiǎn)介
 1.1.2 蟻群算法簡(jiǎn)介
 1.1.3 退火算法簡(jiǎn)介
 1.2 混合優(yōu)化算法簡(jiǎn)介
 1.2.1 混合優(yōu)化算法概述
 1.2.2 混合優(yōu)化算法現(xiàn)狀
 1.3 本章小結(jié)
第2章 混合遺傳算法
 2.1 基本遺傳算法
 2.1.1 基本遺傳算法及流程圖
 2.1.2 基本遺傳算法的特點(diǎn)
 2.2 改進(jìn)的遺傳算法
 2.2.1 雙閾值控制的遺傳算法
 2.2.2 改進(jìn)的偽并行遺傳算法
 2.2.3 改進(jìn)的小生境遺傳算法
 2.2.4 改進(jìn)的自適應(yīng)遺傳算法
 2.2.5 基于免疫原理的新優(yōu)化遺傳算法
 2.2.6 模式理論及模式導(dǎo)向的遺傳算法
 2.2.7 改進(jìn)的雙倍體遺傳算法
 2.2.8 改進(jìn)的并行遺傳算法
 2.3 遺傳算法與其他優(yōu)化算法的融合
 2.3.1 病毒進(jìn)化遺傳算法
 2.3.2 改進(jìn)的DNA免疫遺傳算法
 2.4 本章小結(jié)
第3章 混合蟻群算法
 3.1 基本蟻群算法
 3.1.1 基本蟻群算法及流程圖
 3.1.2 基本蟻群算法的特點(diǎn)
 3.2 改進(jìn)的蟻群算法
 3.2.1 一種改進(jìn)的非均勻窗口蟻群算法
 3.2.2 基于變異和動(dòng)態(tài)信息素更新的蟻群優(yōu)化算法
 3.3 蟻群、遺傳算法的融合——?jiǎng)討B(tài)蟻群遺傳算法
 3.4 本章小結(jié)
第4章 混合退火算法
 4.1 基本退火算法
 4.1.1 基本退火算法及流程圖
 4.1.2 基本退火算法的特點(diǎn)
 4.2 退火算法與其他優(yōu)化算法的融合
 4.2.1 改進(jìn)的遺傳退火算法
 4.2.2 基于學(xué)習(xí)機(jī)制的退火并行遺傳算法
 4.3 本章小結(jié)
第5章 其他典型混合優(yōu)化算法
 5.1 禁忌—并行混合遺傳算法
 5.1.1 禁忌—并行遺傳算法的關(guān)鍵技術(shù)
 5.1.2 混合算法流程
 5.2 周期性病毒進(jìn)化遺傳算法
 5.2.1 新的周期性病毒進(jìn)化遺傳算法的基本思想
 5.2.2 改進(jìn)的周期性病毒進(jìn)化遺傳算法流程
 5.2.3 改進(jìn)的周期性病毒進(jìn)化遺傳算法的優(yōu)點(diǎn)
 5.3 改進(jìn)的決策樹(shù)學(xué)習(xí)算法
 5.4 改進(jìn)的廣義粒子群優(yōu)化算法
 5.4.1 基本粒子群優(yōu)化算法介紹
 5.4.2 基本粒子群優(yōu)化機(jī)理分析
 5.4.3 廣義粒子群優(yōu)化算法模型
 5.4.4 GPSO的具體流程
 5.5 一種基于粒子群優(yōu)化的反向傳播神經(jīng)網(wǎng)絡(luò)算法
 5.6 一種基于混沌優(yōu)化的模糊聚類方法
 5.6.1 聚類的定義
 5.6.2 基于混沌優(yōu)化的模糊聚類
 5.7 本章小結(jié)
第6章 混合優(yōu)化算法的典型應(yīng)用
 6.1 TSP問(wèn)題
 6.1.1 旅行商問(wèn)題模型
 6.1.2 動(dòng)態(tài)蟻群遺傳算法求解TSP問(wèn)題
 6.2 0-1背包問(wèn)題
 6.2.1 0-1背包問(wèn)題模型
 6.2.2 使用改進(jìn)的遺傳退火算法求解0-1背包問(wèn)題
 6.3 車間調(diào)度問(wèn)題
 6.3.1 車間調(diào)度問(wèn)題的描述
 6.3.2 雙閾值控制的遺傳算法求解車間調(diào)度問(wèn)題
 6.4 車輛路徑問(wèn)題
 6.4.1 車輛路徑問(wèn)題描述
 6.4.2 自適應(yīng)遺傳算法求解車輛路徑問(wèn)題
 6.5 裝箱問(wèn)題
 6.5.1 裝箱問(wèn)題描述
 6.5.2 使用基于學(xué)習(xí)機(jī)制的退火并行遺傳算法求解裝箱問(wèn)題
 6.6 圖著色問(wèn)題
 6.6.1 圖著色問(wèn)題描述
 6.6.2 周期性病毒進(jìn)化遺傳算法求解圖著色問(wèn)題
 6.7 本章小結(jié)
第7章 總結(jié)及展望
 7.1 主要工作總結(jié)及創(chuàng)新
 7.2 未來(lái)發(fā)展方向
 7.3 本章小結(jié)
參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁(yè)：插圖：1998年，蔡文學(xué)等人對(duì)應(yīng)用于平面析架結(jié)構(gòu)拓?fù)鋬?yōu)化設(shè)計(jì)中的模擬退火算法進(jìn)行了研究，構(gòu)造了一個(gè)雙重控制Metropolis準(zhǔn)則處理應(yīng)力約束，提出了一個(gè)基于力平衡的啟發(fā)式準(zhǔn)則，以實(shí)現(xiàn)優(yōu)化過(guò)程中單元的自動(dòng)增刪，該方法能夠克服析架結(jié)構(gòu)拓?fù)鋬?yōu)化中因存在非凸星形可行域而造成的拓?fù)鋬?yōu)化求解困難?？盗⑸降扔?999年出版了《非數(shù)值并行算法》（第一冊(cè)），其中對(duì)并行的模擬退火算法做了比較概括、系統(tǒng)的總結(jié)和歸納：同年，王子才等人提出基于混沌變量的一種混沌模擬退火優(yōu)化算法，并給出了初始溫度的確定方法。改進(jìn)后算法的主要思想是：利用混沌變量對(duì)當(dāng)前點(diǎn)進(jìn)行擾動(dòng)，隨著搜索的深入逐漸減小擾動(dòng)的幅度，該方法顯著提高了全局優(yōu)化問(wèn)題求解過(guò)程中的計(jì)算效率；同年，王雅琳等人對(duì)模擬退火算法的搜索過(guò)程進(jìn)行了深入的研究，對(duì)模擬退火算法在搜索初期和后期2種情況下算法可能長(zhǎng)期陷入局部點(diǎn)無(wú)法跳出的原因進(jìn)行了分析，并分別采用變異操作和擴(kuò)大搜索空間的方法對(duì)一種單循環(huán)模擬退火算法進(jìn)行改進(jìn)。2000年，向陽(yáng)等人對(duì)推廣模擬退火方法的基本思想及其統(tǒng)計(jì)基礎(chǔ)進(jìn)行了介紹，使用一系列標(biāo)準(zhǔn)函數(shù)對(duì)推廣模擬退火算法的性能進(jìn)行了測(cè)試，討論了推廣模擬退火方法的效率隨體系復(fù)雜性的變化規(guī)律；同年，席自強(qiáng)針對(duì)模擬退火算法本身存在的收斂慢、費(fèi)時(shí)較多和效率較低等不足，將模擬退火算法與單純型法有機(jī)地結(jié)合在一起，形成了一種新的改進(jìn)的優(yōu)化算法——單純形模擬退火算法，改進(jìn)后的算法收斂速度明顯加快、解的質(zhì)量明顯提高，融合了單純形法和模擬退火算法各自的優(yōu)點(diǎn)。

編輯推薦

《現(xiàn)代智能優(yōu)化混合算法及其應(yīng)用》是由電子工業(yè)出版社出版的。

圖書封面

圖書標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    現(xiàn)代智能優(yōu)化混合算法及其應(yīng)用 PDF格式下載

---