智能优化算法原理与应用

内容简介

[

　　《智能优化算法原理与应用》主要讲述了，智能优化算法是指通过计算机软件编程模拟自然界、生物界乃至人类自身的长期演化、生殖繁衍、竞争、适应、自然选择中不断进化的机制与机理，从而实现对复杂优化问题求解的一大类算法的统称。《智能优化算法原理与应用》主要介绍模糊逻辑推理算法、神经网络学习算法、遗传算法、模拟退火算法、禁忌算法、人工免疫算法、人工蚁群算法、微粒群算法、混沌优化算法、量子优化算法，以及智能优化算法在函数优化、聚类分析、系统辨识、路径规划、航迹规划等方面的应用。

]

目录

第1章绪论1.1*优化问题的描述1.2函数优化问题1.3组合优化问题1.4*优化问题的智能优化求解方法1.5智能优化算法的实质——智能逼近第2章模糊逻辑推理算法2.1模糊集合与模糊逻辑2.2模糊关系与模糊矩阵2.3模糊语言与模糊推理2.4可加性模糊系统2.5模糊系统的逼近特性2.6模糊系统的万能逼近定理第3章神经网络学习算法3.1电脑与人脑3.2神经细胞的结构与功能3.3人工神经元的基本特性3.4人工神经网络及其特点3.5神经网络的结构及其分类3.6前向网络3.7 bp网络的非线性映射能力3.8神经网络应用第4章进化算法与遗传算法4.1生物的进化与遗传4.2进化算法的分类4.3遗传算法4.4基本遗传算法及其在函数优化中的应用4.5遗传算法的模式定理4.6 ga的收敛性分析4.7 ga的特点及其应用领域第5章模拟退火算法5.1 sa的基本思想5.2固体退火过程的统计力学5.3模拟退火模型5.4 metropolis算法与组合优化问题5.5 sa的主要操作及实现步骤5.6用sa求解tsp问题的例子第6章禁忌搜索算法6.1引言6.2组合优化中的邻域概念6.3局部搜索算法6.4禁忌搜索的一个例子6.5禁忌搜索中的主要操作及参数6.6用禁忌搜索算法求解车间调度问题第7章人工免疫算法7.1人工免疫系统7.2人工免疫算法的免疫学基础7.3免疫应答中的学习与优化原理7.4免疫算法第8章人工蚁群算法8.1群智能的概念8.2蚂蚁社会及信息系统8.3蚂蚁的觅食行为8.4蚁群觅食策略的优化机制8.5人工蚁与真实蚁的异同8.6蚂蚁系统模型的建立8.7基本蚁群算法的实现步骤8.8基本（标准）蚁群算法流程第9章微粒群优化算法9.1 pso算法的提出9.2基本微粒群算法9.3 pso算法步骤9.4 pso算法的改进及应用第10章混沌优化算法10.1混沌现象和混沌学10.2 logistic映射10.3从倍周期分支到混沌10.4区间映射与混沌10.5混沌中的规律性10.6 lyapunov指数10.7奇异吸引子10.8混沌优化方法第11章量子优化算法11.1量子比特11.2量子逻辑门11.3 grover量子搜索算法11.4量子遗传算法11.5实数编码双链量子遗传算法第12章智能优化算法的工程应用12.1基于rbf神经网络优化自适应模糊导引律12.2带有成长算子遗传算法在辨识与优化中的应用12.3改进的免疫克隆算法在函数优化中的应用12.4蚁群算法在聚类分析中的应用12.5蚁群算法在机器人路径规划中的应用12.6改进的蚁群算法在巡航导弹航迹规划中的应用12.7混沌量子免疫算法及其在连续优化问题中的应用参考文献

封面

书名:智能优化算法原理与应用

作者:李士勇　等编著

页数:182

定价:¥45.0

出版社:哈尔滨工业大学出版社

出版日期:2012-12-01

ISBN:9787560332383

PDF电子书大小:102MB 高清扫描完整版