自然計(jì)算導(dǎo)論

內(nèi)容概要

本書是作者在計(jì)算智能方向的系統(tǒng)性研究成果。它緊跟國內(nèi)外自然計(jì)算領(lǐng)域最新的研究動態(tài)，從自然辯證的哲學(xué)角度，對目前受到關(guān)注的各種自然計(jì)算模式及其應(yīng)用領(lǐng)域進(jìn)行系統(tǒng)的綜述，考慮到各類自然計(jì)算模式內(nèi)在的群體協(xié)同“進(jìn)化”(尋優(yōu))機(jī)制的普適性，提出基于群體智能理解的自然計(jì)算統(tǒng)一性理念，并以幾種典型實(shí)現(xiàn)模式為例，分別進(jìn)行具體的形式化描述和統(tǒng)一框架建模，使各類自然計(jì)算理念從宏觀到微觀再到宏觀、從統(tǒng)一性到多樣性再到統(tǒng)一性得到較為系統(tǒng)的展現(xiàn)，以期能為相關(guān)領(lǐng)域的研究和應(yīng)用提供新的思路和方法。    本書可供智能科學(xué)、自動化、計(jì)算機(jī)科學(xué)、電子信息等相關(guān)領(lǐng)域的研究生、教師、科研人員以及工程技術(shù)人員參考使用，也可供高年級本科生作為開拓視野、增長知識的閱讀材料。

書籍目錄

第1章 緒論  1.1 從仿生學(xué)人工智能到自然計(jì)算  1.2 自然計(jì)算  1.3 自然計(jì)算的主要研究分支    1.3.1 進(jìn)化計(jì)算    1.3.2 群體智能    1.3.3 生物啟發(fā)計(jì)算    1.3.4 生態(tài)計(jì)算    1.3.5 復(fù)雜自適應(yīng)計(jì)算第2章 自然計(jì)算的研究綜述與統(tǒng)一模型  2.1 自然計(jì)算的實(shí)現(xiàn)模式總覽  2.2 自然計(jì)算模式綜述    2.2.1 元胞自動機(jī)    2.2.2 模擬退火算法    2.2.3 人工蜂群算法    2.2.4 人工魚群算法    2.2.5 群搜索優(yōu)化    2.2.6 細(xì)菌覓食算法    2.2.7 細(xì)菌趨藥性算法    2.2.8 差分進(jìn)化    2.2.9 DNA計(jì)算    2.2.10 量子計(jì)算    2.2.11 復(fù)雜自適應(yīng)系統(tǒng)    2.2.12 混沌優(yōu)化    2.2.13 生物地理學(xué)優(yōu)化    2.2.14 自組織遷移算法    2.2.15 膜計(jì)算    2.2.16 文化基因算法    2.2.17 文化算法    2.2.18 情感計(jì)算    2.2.19 社會認(rèn)知優(yōu)化  2.3 自然計(jì)算的應(yīng)用與發(fā)展趨勢    2.3.1 自然計(jì)算應(yīng)用領(lǐng)域綜述    2.3.2 應(yīng)用分析與展望  2.4 自然計(jì)算的統(tǒng)一模型    2.4.1 自然計(jì)算模式的總體形式化描述    2.4.2 自然計(jì)算模式的統(tǒng)一框架理念第3章 進(jìn)化計(jì)算  3.1 遺傳算法概述    3.1.1 遺傳算法的產(chǎn)生    3.1.2 遺傳算法的基本思想    3.1.3 遺傳算法基本操作    3.1.4 遺傳算法的特點(diǎn)  3.2 遺傳算法研究進(jìn)展    3.2.1 基本操作方法的改進(jìn)研究    3.2.2 編碼方法的改進(jìn)研究    3.2.3 保持群體多樣性方法的研究  3.3 遺傳算法的收斂性研究    3.3.1 遺傳算法的一般收斂性理論    3.3.2 遺傳算法的馬爾可夫鏈模型    3.3.3 遺傳算法的收斂性分析  3.4 遺傳算法的基本流程  3.5 遺傳算法的形式化描述  3.6 遺傳算法的自然計(jì)算框架模型  3.7 小結(jié)第4章 分布估計(jì)算法  4.1 分布估計(jì)算法概述    4.1.1 分布估計(jì)算法起源    4.1.2 分布估計(jì)算法的基本思想  4.2 分布估計(jì)算法的基本流程  4.3 分布估計(jì)算法的研究進(jìn)展    4.3.1 離散的分布估計(jì)算法    4.3.2 連續(xù)的分布估計(jì)算法    4.3.3 分布估計(jì)算法的理論研究    4.3.4 分布估計(jì)算法的研究熱點(diǎn)  4.4 分布估計(jì)算法的形式化描述  4.5 分布估計(jì)算法的自然計(jì)算框架模型  4.6 小結(jié)第5章 神經(jīng)網(wǎng)絡(luò)計(jì)算  5.1 人工神經(jīng)網(wǎng)絡(luò)概述    5.1.1 人工神經(jīng)元模型    5.1.2 人工神經(jīng)網(wǎng)絡(luò)模型    5.1.3 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)(訓(xùn)練)方法    5.1.4 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)  5.2 人工神經(jīng)網(wǎng)絡(luò)的總體形式化描述  5.3 Hopfield神經(jīng)網(wǎng)絡(luò)的自然計(jì)算框架描述    5.3.1 Hopfield神經(jīng)網(wǎng)絡(luò)    5.3.2 Hopfield神經(jīng)網(wǎng)絡(luò)的形式化描述    5.3.3 Hopfield神經(jīng)網(wǎng)絡(luò)的自然計(jì)算框架模型  5.4 RBF神經(jīng)網(wǎng)絡(luò)的自然計(jì)算框架描述    5.4.1 徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)    5.4.2 RBF神經(jīng)網(wǎng)絡(luò)的形式化描述    5.4.3 RBF神經(jīng)網(wǎng)絡(luò)的自然計(jì)算框架模型  5.5 小結(jié)第6章 群體智能——蟻群算法  6.1 蟻群算法概述    6.1.1 蟻群算法的起源    6.1.2 蟻群個(gè)體的運(yùn)動規(guī)則    6.1.3 實(shí)例說明及應(yīng)用狀況  6.2 蟻群算法的研究進(jìn)展    6.2.1 蟻群算法的改進(jìn)    6.2.2 蟻群算法的收斂性研究    6.2.3 蟻群算法的仿真和實(shí)現(xiàn)    6.2.4 蟻群算法的應(yīng)用  6.3 蟻群算法描述    6.3.1 用于求解TSP問題的蟻群算法定義    6.3.2 蟻群算法的形式化描述  6.4 蟻群算法的自然計(jì)算框架模型  6.5 小結(jié)第7章 群體智能——微粒群算法  7.1 微粒群算法概述  7.2 微粒群算法描述    7.2.1 微粒群算法的基本原理    7.2.2 微粒群算法的數(shù)學(xué)描述    7.2.3 微粒群算法流程  7.3 微粒群算法研究進(jìn)展    7.3.1 微粒群算法的改進(jìn)研究    7.3.2 微粒群算法的應(yīng)用    7.3.3 微粒群算法的收斂性研究    7.3.4 微粒群算法的參數(shù)效能分析  7.4 微粒群算法的形式化描述  7.5 微粒群算法的自然計(jì)算框架模型  7.6 小結(jié)第8章 免疫計(jì)算  8.1 人工免疫系統(tǒng)概述    8.1.1 人工免疫系統(tǒng)    8.1.2 人工免疫系統(tǒng)的研究概況    8.1.3 人工免疫系統(tǒng)的應(yīng)用  8.2 人工免疫算法    8.2.1 概述    8.2.2 典型的人工免疫算法    8.2.3 人工免疫算法的收斂性分析    8.2.4 人工免疫算法的工程應(yīng)用  8.3 標(biāo)準(zhǔn)人工免疫算法描述  8.4 人工免疫算法的形式化描述  8.5 人工免疫算法的自然計(jì)算框架模型  8.6 小結(jié)第9章 人工內(nèi)分泌系統(tǒng)  9.1 人工內(nèi)分泌系統(tǒng)概述    9.1.1 內(nèi)分泌系統(tǒng)    9.1.2 人工內(nèi)分泌系統(tǒng)研究現(xiàn)狀  9.2 人工內(nèi)分泌系統(tǒng)描述    9.2.1 人工內(nèi)分泌網(wǎng)絡(luò)模型定義    9.2.2 人工內(nèi)分泌網(wǎng)絡(luò)的動力學(xué)描述    9.2.3 網(wǎng)絡(luò)模型的自適應(yīng)調(diào)節(jié)  9.3 基于人工內(nèi)分泌網(wǎng)絡(luò)模型的行為控制算法  9.4 人工內(nèi)分泌網(wǎng)絡(luò)的形式化描述  9.5 人工內(nèi)分泌系統(tǒng)的自然計(jì)算框架模型  9.6 小結(jié)后記參考文獻(xiàn)

章節(jié)摘錄

　　1.3　自然計(jì)算的主要研究分支　　自然計(jì)算其本質(zhì)是借鑒自然界的功能與作用機(jī)理抽象出的計(jì)算模型，其研究必然涉及現(xiàn)代自然科學(xué)的方方面面，柑關(guān)領(lǐng)域非常廣泛。正是由于自然計(jì)算模式的多樣性，其外延和內(nèi)涵互相交織，相互包含，研究范疇常常被混淆，難以對其研究范疇進(jìn)行準(zhǔn)確而細(xì)斂的劃分，例如，作為自然計(jì)算的主要研究領(lǐng)域之一，進(jìn)化計(jì)算研究內(nèi)容豐富，形成了系統(tǒng)的研究體系和方法，通常被看作是個(gè)獨(dú)立的分支，但由于遺傳算法以染色體構(gòu)成的種群為基礎(chǔ)，又可以劃分為群體智能的一個(gè)分支；神經(jīng)網(wǎng)絡(luò)計(jì)算由于其鮮明的生物學(xué)特點(diǎn)，常常被認(rèn)為是生物啟發(fā)計(jì)算的重要代表，但究其內(nèi)部作用機(jī)理，神經(jīng)剛絡(luò)由可以作為自組織理論研究的一部分處理，而且由神經(jīng)元構(gòu)成的神經(jīng)網(wǎng)絡(luò)還具有群體智能信息處理的特征，也可以歸為群體智能范疇。究其本質(zhì)發(fā)現(xiàn)，群體智能具有普適性，筆者已在專著《群體智能的多樣性研究與典型實(shí)現(xiàn)》中提出“廣義群體智能”的概念和范疇。本書對自然計(jì)算的描述也將沿用廣義群體智能表達(dá)的理念。　　……

編輯推薦

　　《自然計(jì)算導(dǎo)論》緊跟國內(nèi)外自然計(jì)算領(lǐng)域最新的研究動態(tài)，試圖作進(jìn)一步深入的思考和系統(tǒng)的總結(jié)。首先對自然計(jì)算模式和應(yīng)用領(lǐng)域進(jìn)行系統(tǒng)、全面的綜述，基本涉及目前自然計(jì)算領(lǐng)域受到關(guān)注的各種計(jì)算模式；然后考慮到各類自然計(jì)算模式內(nèi)在的群體協(xié)同“進(jìn)化”(尋優(yōu))機(jī)制的普適性，對自然計(jì)算的總體模式進(jìn)行基于群體智能理解的形式化描述(偽方程+框圖描述)，并提出自然計(jì)算的統(tǒng)一模式理念，得到自然計(jì)算總體分層框架模型。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    自然計(jì)算導(dǎo)論 PDF格式下載

---