智能科学技术著作丛书：新兴元启发式优化方法

图书标准信息

• 作者 赵玉新、刘利强、[英]杨新社 著
• 出版社 科学出版社
• 出版时间 2013-08
• 版次 1
• ISBN 9787030386144
• 定价 118.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 314页
• 字数 408千字
• 正文语种 简体中文
• 丛书 智能科学技术著作丛书

【内容简介】

　　《新兴元启发式优化方法/智能科学技术著作丛书》系统、深入地介绍了仿生智能计算的起源、原理、模型、理论及其应用，力图概括国内外最新研究进展。全书共分为10章，主要包括启发式优化思想起源、发展历程以及原理剖析，蚁群优化算法、粒子群优化算法、萤火虫算法、布谷鸟算法、和声搜索算法、差分进化算法、随机蛙跳算法、细菌觅食算法、蝙蝠算法的算法基础、算法模型、理论分析及算法变种。附录给出了各章算法的源代码程序及相关网站。《新兴元启发式优化方法/智能科学技术著作丛书》着眼学术前沿与发展，取材新颖，深入浅出，系统性强，力求使读者能够较快掌握和应用启发式优化方法。《新兴元启发式优化方法/智能科学技术著作丛书》可为控制科学、计算机科学、系统科学、管理科学、人工智能等领域从事优化及智能计算研究的相关人员提供参考，同时也可作为相关专业研究生和高年级本科生教材。

【作者简介】

　　杨新社（Xin—SheYang），英国牛津大学应用数学专业博士毕业，现为MiddlesexUniversity（UK）和ReykjavikUniversity（Iceland）教授，及剑桥大学IASupervisor，曾任英国国家物理实验室高级科学家。Xin—SheYang教授长期在应用数学、数学建模、计算数学、工程优化以及科学、数值计算方法等领域从事科学研究。在国际上首创3种启发式算法：萤火虫算法（2008）、布谷鸟搜索算法（2009）和蝙蝠算法（2010）。撰写或编辑著作15部，发表研究论文192篇。其研究成果在《Nature》Update（2000年8月）、《Sconce》Onlinenews（2010年8月）先后报道。所获荣誉包括：牛津大学Garside奖（1996）、FeUowofRoyalInstitution（2005）等。
　　
　　赵玉新，工学博士，现为哈尔滨工程大学副教授，博士生导师。主要从事决策支持系统理论及海事应用研究工作。曾以访问学者身份先后赴美国纽约州立大学（2004～2005）、英国帝国理工学院（2012～2013）进行合作研究。近年来，主持国家自然科学基金3项、国家重大科技专项课题2项、国家部委预先研究项目等多项基础科研课题，并获得国防科技进步一等奖1项（2010），军队科技进步二等奖2项（2007、2012）。已在国内外刊物发表学术论文50余篇，出版著作、教材4部，授权国家发明专利6项、国家软件著作权10项。目前兼任中国运筹学会决策科学分会常务理事、中国航海学会理事、英国皇家导航学会会员、中国海洋学会军事海洋学专业委员会委员、中国宇航学会无人机分会任务规划专业委员会委员。
　　
　　刘利强，工学博士，现为哈尔滨工程大学副教授，硕士生导师。主要从事群集智能优化技术、任务规划技术、智能航行决策技术研究工作。近年来，主持国家自然科学基金1项、国防重点型号科研2项、省部级科研及预研等多项科研课题，完成成果鉴定2项。已在国内外核心期刊和国际学术会议上发表论文40余篇，出版著作、教材3部，申请国家发明专利10项、软件著作权6项。目前兼任黑龙江省仪器仪表学会理事、《船舶工程》期刊编委、中国航海学会会员、中国惯性技术学会会员。

【目录】

《智能科学技术著作丛书》序
前言
第1章概述
1.1引言
1.2元启发式算法分类及特点
1.3寻找免费的午餐
1.4元启发式算法的发展方向
1.5本书构思及结构
参考文献

第2章蚁群优化算法
2.1算法基础
2.1.1产生与发展
2.1.2生物学原理
2.1.3国内外研究现状
2.1.4发展趋势
2.2算法模型
2.2.1元启发式算法
2.2.2蚁群优化元启发式算法框架
2.2.3经典蚁群算法模型
2.3理论分析
2.3.1收敛性分析
2.3.2状态转移策略分析
2.4改进算法介绍
2.4.1离散域蚁群算法改进
2.4.2连续域蚁群算法改进
参考文献

第3章粒子群优化算法
3.1算法基础
3.1.1产生与发展
3.1.2国内外研究现状
3.1.3研究热点
3.2算法模型
3.2.1算法统一框架
3.2.2算法设计步骤
3.2.3算法基本描述与分析
3.3理论分析
3.3.1收敛性分析
3.3.2种群拓扑结构分析
3.4改进算法介绍
3.4.1基于种群多样性的模糊粒子群优化算法
3.4.2双子群离散粒子群优化算法
参考文献

第4章萤火虫算法
4.1算法基础
4.1.1产生与发展
4.1.2生物学原理
4.1.3国内外研究现状
4.2算法模型
4.2.1萤火虫算法基本思想
4.2.2萤火虫算法数学描述
4.2.3标准萤火虫算法的基本流程
4.3理论分析
4.3.1萤火虫算法性能和算法参数研究
4.3.2算法测试
4.4改进算法介绍
4.4.1萤火虫算法改进研究动态
4.4.2多目标萤火虫算法研究
参考文献

第5章布谷鸟搜索算法
5.1算法基础
5.1.1产生与发展
5.1.2生物学原理
5.2算法模型
5.2.1数学原理
5.2.2基本算法流程
5.2.3算法应用
5.3理论分析
5.3.1随机算法收敛准则
5.3.2布谷鸟搜索算法的Markov模型建立与收敛性分析
5.3.3参数研究
5.3.4算法测试
5.4改进算法介绍
5.4.1算法的改进思路
5.4.2典型改进算法介绍
参考文献

第6章和声搜索算法
6.1算法基础
6.2和声搜索算法模型
6.2.1算法流程
6.2.2参数的影响
6.2.3算法改进思路
6.3理论分析
6.3.1马尔可夫链基础知识
6.3.2马尔可夫链的状态分类
6.3.3和声搜索算法收敛性证明
参考文献

第7章差分进化算法
7.1算法基础
7.1.1产生与发展
7.1.2差分进化算法（DE）的基本概念及特点
7.2算法模型
7.2.1差分进化算法（DE）的实施流程
7.2.2差分进化算法迭代步骤
7.2.3差分进化算法基本族群
7.3算法改进
7.3.1MNDE的基本原理
7.3.2MNDE中的参数设置
7.3.3MNDE算法性能验证
参考文献

第8章随机蛙跳算法
8.1算法基础
8.1.1算法的特点
8.1.2算法研究现状
8.2算法模型
8.2.1生物学原理
8.2.2数学原理
8.2.3算法的实现
参考文献

第9章细菌觅食算法
9.1算法介绍
9.1.1产生与发展
9.1.2应用研究
9.1.3算法生物学原理
9.2算法模型
9.2.1算法原理
9.2.2理论分析
9.2.3参数选取
9.2.4算法实现
9.2.5算法的改进思路
9.2.6仿真实验及分析
参考文献

第10章蝙蝠算法
10.1算法生物学原理
10.1.1微型蝙蝠的行为
10.1.2回音定位的声学原理
10.2蝙蝠算法
10.2.1虚拟蝙蝠的运动
10.2.2音量和脉冲发生率
10.2.3验证和讨论
10.2.4进一步的研究课题
参考文献

附录A蚁群优化算法程序源代码
附录B粒子群优化算法程序源代码
附录C萤火虫算法程序源代码
附录D布谷鸟搜索算法对Ackley函数优化的程序源代码
附录E和声搜索算法程序源代码
附录F差分进化算法程序源代码
附录G随机蛙跳算法程序源代码
附录H细菌觅食算法对Rosenbrock函数优化的程序源代码
附录I蝙蝠算法程序源代码