现代智能优化混合算法及其应用

图书标准信息

• 作者 梁旭、黄明 著
• 出版社 电子工业出版社
• 出版时间 2011-10
• 版次 1
• ISBN 9787121148354
• 定价 68.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 224页
• 字数 251千字
• 正文语种 简体中文

【内容简介】

智能优化混合算法是一种以某类优化算法为基础，融合其他智能算法或理论的混合算法，可用于求解各种工程问题优化解。
《现代智能优化混合算法及其应用》系统讨论了现今应用较为广泛的几种智能优化混合算法，主要内容来源于作者多年的研究成果，使读者比较全面地了解智能优化混合算法的相关知识及应用。《现代智能优化混合算法及其应用》理论联系实际，集知识性、专业性、操作性、技能性为一体，对智能优化混合算法的原理、步骤、应用等进行了全面且详细的介绍。

【目录】

第1章绪论
1.1智能优化算法简介
1.1.1遗传算法简介
1.1.2蚁群算法简介
1.1.3退火算法简介
1.2混合优化算法简介
1.2.1混合优化算法概述
1.2.2混合优化算法现状
1.3本章小结

第2章混合遗传算法
2.1基本遗传算法
2.1.1基本遗传算法及流程图
2.1.2基本遗传算法的特点
2.2改进的遗传算法
2.2.1双阈值控制的遗传算法
2.2.2改进的伪并行遗传算法
2.2.3改进的小生境遗传算法
2.2.4改进的自适应遗传算法
2.2.5基于免疫原理的新优化遗传算法
2.2.6模式理论及模式导向的遗传算法
2.2.7改进的双倍体遗传算法
2.2.8改进的并行遗传算法
2.3遗传算法与其他优化算法的融合
2.3.1病毒进化遗传算法
2.3.2改进的DNA免疫遗传算法
2.4本章小结

第3章混合蚁群算法
3.1基本蚁群算法
3.1.1基本蚁群算法及流程图
3.1.2基本蚁群算法的特点
3.2改进的蚁群算法
3.2.1一种改进的非均匀窗口蚁群算法
3.2.2基于变异和动态信息素更新的蚁群优化算法
3.3蚁群、遗传算法的融合——动态蚁群遗传算法
3.4本章小结

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图
4.1.2基本退火算法的特点
4.2退火算法与其他优化算法的融合
4.2.1改进的遗传退火算法
4.2.2基于学习机制的退火并行遗传算法
4.3本章小结

第5章其他典型混合优化算法
5.1禁忌—并行混合遗传算法
5.1.1禁忌—并行遗传算法的关键技术
5.1.2混合算法流程
5.2周期性病毒进化遗传算法
5.2.1新的周期性病毒进化遗传算法的基本思想
5.2.2改进的周期性病毒进化遗传算法流程
5.2.3改进的周期性病毒进化遗传算法的优点
5.3改进的决策树学习算法
5.4改进的广义粒子群优化算法
5.4.1基本粒子群优化算法介绍
5.4.2基本粒子群优化机理分析
5.4.3广义粒子群优化算法模型
5.4.4GPSO的具体流程
5.5一种基于粒子群优化的反向传播神经网络算法
5.6一种基于混沌优化的模糊聚类方法
5.6.1聚类的定义
5.6.2基于混沌优化的模糊聚类
5.7本章小结

第6章混合优化算法的典型应用
6.1TSP问题
6.1.1旅行商问题模型
6.1.2动态蚁群遗传算法求解TSP问题
6.20-1背包问题
6.2.10-1背包问题模型
6.2.2使用改进的遗传退火算法求解0-1背包问题
6.3车间调度问题
6.3.1车间调度问题的描述
6.3.2双阈值控制的遗传算法求解车间调度问题
6.4车辆路径问题
6.4.1车辆路径问题描述
6.4.2自适应遗传算法求解车辆路径问题
6.5装箱问题
6.5.1装箱问题描述
6.5.2使用基于学习机制的退火并行遗传算法求解装箱问题
6.6图着色问题
6.6.1图着色问题描述
6.6.2周期性病毒进化遗传算法求解图着色问题
6.7本章小结

第7章总结及展望
7.1主要工作总结及创新
7.2未来发展方向
7.3本章小结
参考文献