世界著名计算机教材精选：计算群体智能基础

图书标准信息

• 作者 [南非]恩格尔伯里特 著；谭营 译
• 出版社 清华大学出版社
• 出版时间 2009-10
• 版次 1
• ISBN 9787302208969
• 定价 69.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 425页
• 字数 691千字
• 正文语种 简体中文

【内容简介】

　　《计算群体智能基础》全面系统地介绍了计算群体智能中的粒子群优化(PSO)和蚁群优化(ACO)的基本概念、基本模型、理论分析及其应用。在简要介绍基本优化理论和总结各类优化问题之后，重点介绍了社会网络结构如何在个体间交换信息以及个体聚集行为如何形成一个功能强大的有机体。在概述了进化计算后，重点论述了粒子群优化和蚁群优化的基本模型及其各种变体，给出了分析粒子群优化模型的一种通用方法，证明了基于蚂蚁行为实现的蚁群优化算法并将其用于解决实际问题。
　　《计算群体智能基础》可作为高等院校智能科学、计算机、自动化、电子信息、通信、模式识别等专业研究生和高年级本科生的教材，也可作为智能信息处理、群体智能与工程等相关专业的科技工程人员的参考用书。

【目录】

第1章引言
第一部分优化理论
第2章优化问题和方法
2．1优化问题的基本要素
2．2优化问题分类
2．3最优性条件
2．4优化算法的类别
2．5收敛的一般条件
2．5．1简单随机搜索
2．5．2局部收敛的条件
2．5．3全局收敛的条件
2．5．4收敛准则
2．6小结

第3章无约束优化
3．1问题的定义
3．2优化算法
3．2．1一般局部搜索过程
3．2．2集束搜索
3．2．3禁忌搜索
3．2．4模拟退火
3．2．5蛙跳算法
3．3标准问题示例
3．4小结

第4章约束优化
4．1定义
4．2约束处理方法
4．2．1惩罚方法
4．2．2将约束问题转换为非约束问题
4．3标准问题实例
4．4小结

第5章多解问题
5．1定义
5．2小生境算法分类
5．3标准问题实例
5．4小结

第6章多目标优化
6．1多目标问题
6．2帕累托最优
6．3小结

第7章动态优化问题
7．1定义
7．2动态环境的类型
7．3标准问题实例
7．4小结

第二部分进化计算
第8章进化计算导论
8．1一般进化算法
8．2表示
8．3初始群体
8．4适应度函数
8．5选择
8．5．1随机选择
8．5．2比例选择
8．5．3锦标赛选择
8．5．4排序选择
8．5．5(μ，λ)一选择和(μ+λ)一选择
8．5．6精英选择
8．5．7名人堂选择
8．6繁殖算子
8．7进化计算与经典优化
8．8小结

第9章进化计算方法
9．1遗传算法
9．1．1表示方案
9．1．2交叉算子
9．1．3变异
9．2遗传编程
9．2．1表示方案
9．2．2适应度评估
9．2．3交叉算子
9．2．4变异算子
9．3进化规划
9．3．1表示方案
9．3．2变异算子
9．4进化策略
9．4．1表示方案
9．4．2交叉算子
9．4．3变异算子
9．5差分进化
9．6文化算法
9．6．1信念空间
9．6．2群体空间
9．6．3文化算法
9．7小结

第10章协同进化
10．1竞争协同进化
10．1．1计算适应度
10．1．2相对适应度度量
10．1．3适应度采样
10．1．4名人堂
10．2合作协同进化
10．2．1适应度评估
10．2．2合作协同进化遗传算法
10．3小结

第三部分粒子群优化
第11章引言
第12章基本粒子群优化
12．1完全PSO模型
12．1．1全局最优PSO
12．1．2局部最优PSO
12．1．3基本粒子群优化的各个要素
12．2社会网络结构
12．3基本变体
12．3．1速度钳制
12．3．2惯性权重
12．3．3收缩系数
12．3．4同步更新与异步更新
12．3．5速度模型
12．4基本粒子群优化的参数
12．5性能评价
12．5．1准确性
12．5．2可靠性
12．5．3鲁棒性
12．5．4效率
12．5．5多样性
12．5．6相干性
12．6粒子群优化与进化计算
12．6．1搜索过程
12．6．2表看
12．6．3适应度函数
12．6．4重组
12．6．5变异
12．6．6选择
12．7小结

第13章粒子轨迹
13．1收敛
13．2冲浪
13．2．1简化PSO的粒子轨迹
13．2．2更一般化的PSO的粒子轨迹
13．3种群平衡
13．3．1平衡状态
13．3．2粒子吸引子
13．4收缩后的轨迹
13．4．1简化：PSO系统
13．4．2一般PSO系统表示
13．4．3收缩模型
13．4．4一般PSO系统
13．4．5收缩系统的空间范围
13．5无约束的轨迹
13．6启发式参数选择
13．7小结

第14章收敛性的证明
第15章单解粒子群优化
第16章小生境粒子群优化
第17章利用粒子群优化的约束优化
第18章粒子群多目标优化
第19章动态环境中的粒子群优化
第20章离散粒子群优化
第21章粒子群优化的应用
第四部分蚂蚁算法
第22章引言
第23章蚁群优化的元启发算法
第24章蚁群优化算法的一般框架
第25章蚁群优化算法
第26章蚁群算法的应用
第27章集体决策
第28章蚁群优化的收敛性
第29章墓地组织与育雏
第30章分工
第31章后记
参考文献
高级阅读材料
附录A缩略词
附录B符号
索引