智能优化理论 9787111744917 吴正言 机械工业出版社
¥
42.3
7.2折
¥
59
全新
库存7件
作者吴正言
出版社机械工业出版社
ISBN9787111744917
出版时间2024-01
装帧平装
开本16开
定价59元
货号9787111744917SDBTS
上书时间2024-06-27
商品详情
- 品相描述:全新
- 商品描述
-
目录
目录
前言
第1篇智能优化的理论基础
第1章优化理论概述2
11优化问题的基本概念2
12优化问题的分类4
13求解方法的运用原则与搜索优化算法的
一般流程10
复习思考题14
第2章智能优化方法概述15
21智能优化的概念15
22智能优化方法的实质——人工复杂
适应性系统16
23智能优化方法的分类19
复习思考题20第2篇进 化 算 法
第3章遗传算法22
31遗传算法寻优的基本思路22
32遗传算法的理论基础24
33遗传算法的实现及改进算法32
34差分进化算法42
复习思考题47
第4章DNA算法48
41概述48
42DNA的结构49
43DNA计算的原理50
44DNA计算与遗传算法的集成51
45DNA遗传算法与常规遗传算法的
比较57
复习思考题57
第5章Memetic算法和文化算法58
51Memetic算法58
52文化算法62
复习思考题69第3篇仿人智能优化算法
第6章神经网络算法71
61从机器学习到神经网络71
62神经网络训练86
63神经网络的设计方法93
64欠拟合、过拟合与正则化101
65优化算法106
66神经网络的应用优势和存在的主要
问题124
复习思考题124
第7章模糊逻辑算法125
71模糊集合及其运算125
72模糊关系129
73模糊逻辑与近似推理131
74基于规则库的模糊推理135
75模糊逻辑系统的应用优势与存在的
主要问题141
复习思考题142
第8章思维进化算法143
81思维进化算法的提出143
82思维进化算法的基本思想143
83思维进化算法的描述144
84思维进化算法的改进148
复习思考题149第4篇群智能优化算法
第9章蚁群优化算法152
91蚁群觅食策略的优化原理152
92蚁群优化算法介绍155
93蚁群优化算法应用举例162
复习思考题163
第10章粒子群优化算法164
101粒子群优化算法的基本原理164
102基本粒子群优化算法165
103改进的粒子群优化算法166
104离散粒子群优化算法169
105粒子群优化算法应用举例171
106粒子群优化算法的应用优势与存在的
主要问题173
复习思考题174
第11章混合蛙跳算法175
111混合蛙跳算法的提出175
112混合蛙跳算法的基本原理175
113基本混合蛙跳算法的描述176
114混合蛙跳算法的实现步骤178
115混合蛙跳算法的实现流程180
116协同进化混合蛙跳算法180
复习思考题184
第12章猴群算法185
121猴群算法的提出185
122猴群算法的原理185
123猴群算法的数学描述186
124猴群算法的实现步骤及流程188
125猴群算法的优缺点分析189
126基于高斯变异的自适应猴群算法189
复习思考题190
第13章自由搜索算法191
131自由搜索算法的提出191
132自由搜索算法的优化原理191
133自由搜索算法的数学描述192
134自由搜索算法的实现步骤及流程194
135动态拉伸目标函数的自由搜索
算法195
复习思考题197第5篇仿自然优化算法
第14章模拟退火算法200
141模拟退火算法的提出200
142固体退火过程的统计力学原理200
143模拟退火算法的数学描述202
144模拟退火算法的实现要素204
145多目标模拟退火算法206
146模拟退火算法的应用之一:求解
旅行商问题207
复习思考题208
第15章混沌优化算法209
151混沌优化算法的提出209
152混沌学与Logistic映射209
153混沌优化算法的实现步骤211
154变尺度混沌优化算法的实现步骤212
复习思考题213
第16章量子遗传算法214
161量子计算214
162量子进化算法221
163量子遗传算法计算222
164改进的量子遗传算法226
复习思考题230
第17章水波优化算法231
171水波优化算法的提出231
172水波现象与水波理论231
173水波优化算法的基本原理232
174水波优化算法的数学描述233
175水波优化算法的实现步骤及流程234
176自适应协同学习水波优化算法235
复习思考题238
第18章自然云与气象云搜索优化
算法239
181自然云搜索优化算法239
182气象云模型优化算法243
复习思考题248第6篇智能优化方法的统一框架与共性理论
第19章智能优化方法的统一框架250
复习思考题253
第20章智能优化方法的收敛性
分析255
201收敛性与全局收敛性的定义255
202全局收敛性定理256
203关于收敛性的讨论258
复习思考题259
第21章搜索空间的探索-开发权衡260
211探索与开发的定义与权衡方式260
212“探索-开发”权衡的多阶段随机压缩
模型261
复习思考题269
参考文献270
内容摘要
本书分为6篇:第1篇智能优化的理论基础,内容包括优化理论和智能优化方法概述;第2篇进化算法,内容包括遗传算法、DNA算法、Memetic算法和文化算法;第3篇仿人智能优化算法,内容包括神经网络算法、模糊逻辑算法、思维进化算法;第4篇群智能优化算法,内容包括蚁群优化算法、粒子群优化算法、混合蛙跳算法、猴群算法、自由搜索算法;第5篇仿自然优化算法,内容包括模拟退火算法、混沌优化算法、量子遗传算法、水波优化算法、自然云与气象云搜索优化算法;第6篇智能优化方法的统一框架与共性理论,内容包括智能优化方法的统一框架、智能优化方法的收敛性分析、搜索空间的探索开发权衡。通过阐述这些算法的基本原理,构建这些算法的数学模型和计算步骤,为进一步的实践应用奠定算法的理论基础。
本书可作为高等院校理工科各专业的教材,也可供从事优化算法的技术人员参考。
主编推荐
通过阐述这些算法的基本原理,构建这些算法的数学模型和计算步骤,为进一步的实践应用奠定算法的理论基础。
— 没有更多了 —
以下为对购买帮助不大的评价