智能优化理论

前言

第1篇智能优化的理论基础

第1章优化理论概述2

1.1优化问题的基本概念2

1.2优化问题的分类4

1.3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

2.1智能优化的概念15

2.2智能优化方法的实质——人工复杂

适应性系统16

2.3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

3.1遗传算法寻优的基本思路22

3.2遗传算法的理论基础24

3.3遗传算法的实现及改进算法32

3.4差分进化算法42

复习思考题47

第4章DNA算法48

4.1概述48

4.2DNA的结构49

4.3DNA计算的原理50

4.4DNA计算与遗传算法的集成51

4.5DNA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

5.1Memetic算法58

5.2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

6.1从机器学习到神经网络71

6.2神经网络训练86

6.3神经网络的设计方法93

6.4欠拟合、过拟合与正则化101

6.5优化算法106

6.6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

7.1模糊集合及其运算125

7.2模糊关系129

7.3模糊逻辑与近似推理131

7.4基于规则库的模糊推理135

7.5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

8.1思维进化算法的提出143

8.2思维进化算法的基本思想143

8.3思维进化算法的描述144

8.4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

9.1蚁群觅食策略的优化原理152

9.2蚁群优化算法介绍155

9.3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

10.1粒子群优化算法的基本原理164

10.2基本粒子群优化算法165

10.3改进的粒子群优化算法166

10.4离散粒子群优化算法169

10.5粒子群优化算法应用举例171

10.6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

11.1混合蛙跳算法的提出175

11.2混合蛙跳算法的基本原理175

11.3基本混合蛙跳算法的描述176

11.4混合蛙跳算法的实现步骤178

11.5混合蛙跳算法的实现流程180

11.6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

12.1猴群算法的提出185

12.2猴群算法的原理185

12.3猴群算法的数学描述186

12.4猴群算法的实现步骤及流程188

12.5猴群算法的优缺点分析189

12.6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

13.1自由搜索算法的提出191

13.2自由搜索算法的优化原理191

13.3自由搜索算法的数学描述192

13.4自由搜索算法的实现步骤及流程194

13.5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

14.1模拟退火算法的提出200

14.2固体退火过程的统计力学原理200

14.3模拟退火算法的数学描述202

14.4模拟退火算法的实现要素204

14.5多目标模拟退火算法206

14.6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

15.1混沌优化算法的提出209

15.2混沌学与Logistic映射209

15.3混沌优化算法的实现步骤211

15.4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

16.1量子计算214

16.2量子进化算法221

16.3量子遗传算法计算222

16.4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

17.1水波优化算法的提出231

17.2水波现象与水波理论231

17.3水波优化算法的基本原理232

17.4水波优化算法的数学描述233

17.5水波优化算法的实现步骤及流程234

17.6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

18.1自然云搜索优化算法239

18.2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

20.1收敛性与全局收敛性的定义255

20.2全局收敛性定理256

20.3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

21.1探索与开发的定义与权衡方式260

21.2“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

第1篇智能优化的理论基础

优化问题是国内外学术研究的重点和热点，不同的优化问题需要采用不同的优化方法，最理想的情况是以最快的速度得到全局的最优解。传统的最优化方法在应用于复杂、困难的优化问题时有较大的局限性，尤其是在面对复杂的大规模问题时，需要遍历整个搜索空间，一旦形成了搜索的组合爆炸，就无法在多项式时间内完成。那么，在复杂、广阔的搜索空间中寻找最优解，就成为科学工作者研究的重要课题。

智能优化方法在可接受的时间内对复杂的大规模优化问题进行求解取得了惊人的优秀成绩。智能优化方法一般具有自组织性、自适应性和并行性，直接把目标函数值作为搜索信息，具有正反馈机制，可以有效地完成优化任务。

本篇从优化理论和复杂适应系统理论的高度上认识、理解智能优化理论及其本质特征，在系统介绍优化问题的基本概念、分类与求解方法运用原则的基础上，进一步介绍智能优化方法的基本概念，并从实质上探讨了智能优化方法的复杂自适应系统特性，最后介绍了智能优化方法的分类，以期为后面各章节学习智能优化方法奠定理论基础。

……

适读人群 ：理工科各专业本科生

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。