智能算法导论
正版保障 假一赔十 可开发票
￥ 37.01 4.9折 ￥ 75 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者尚荣华
出版社清华大学出版社有限公司
ISBN9787302584650
出版时间2020-03
装帧平装
开本16开
定价75元
货号11275423
上书时间2024-12-28
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
尚荣华 博士，教授，博士生导师，IEEE 会员，教育部重点实验室骨干成员，教育部创新团队骨干成员，国家 “111计划” 创新引智基地骨干成员，校 “智能信息处理优秀创新团队” 骨干成员。一直致力于智能感知与自然计算、类脑计算与大数据的学习、优化与应用研究。发表论文100余篇，其中SCI检索80余篇，IEEE期刊16篇。Google Scholar引用2007次，单篇最高168次。主持了包括2项国家自然科学基金面上在内的10余项科研项目。授权国家发明专利20余项，出版专著6部。
目录
目录
第1章遗传算法
1.1遗传算法起源
1.1.1遗传算法生物学基础
1.1.2遗传算法发展历程
1.2遗传算法实现
1.2.1遗传算法流程
1.2.2重要参数
1.3基于遗传算法的组合优化
1.3.1基于遗传算法的TTP问题
1.3.2基于遗传算法的旅行商问题
1.3.3基于遗传算法的01规划
1.4基于遗传算法的图像处理
1.4.1基于遗传算法的图像分割
1.4.2基于遗传算法的图像增强
1.4.3基于遗传算法的图像变化检测
1.5基于遗传算法的社区检测
1.5.1多目标遗传算法
1.5.2遗传编码
1.5.3Pareto最优解
参考文献
第2章免疫算法
2.1生物免疫系统与人工免疫系统
2.2免疫算法实现
2.2.1克隆选择算法
2.2.2人工免疫系统模型
2.3基于免疫算法的聚类分析
2.3.1聚类问题
2.3.2免疫进化方法
2.4基于免疫算法的限量弧路由问题
2.4.1限量弧路由问题模型
2.4.2基于免疫协同进化的限量弧路由问题
参考文献
第3章Memetic算法
3.1Memetic算法发展历程
3.2Memetic算法实现
3.2.1Memetic算法流程
3.2.2Memetic算法改进
3.2.3Memetic算法研究分类
3.3基于Memetic算法的社区检测
3.3.1多目标Memetic优化算法
3.3.2局部搜索
3.4基于Memetic算法的限量弧路由问题
3.4.1路由距离分组
3.4.2子问题解的更替
3.4.3基于分解的Memetic算法
参考文献
第4章粒子群算法
4.1粒子群算法起源
4.1.1粒子群算法生物学基础
4.1.2粒子群算法发展历程
4.2粒子群算法实现
4.2.1基本粒子群算法
4.2.2改进粒子群算法
4.3基于粒子群算法的图像处理
4.3.1基于粒子群算法的图像分割
4.3.2基于粒子群算法的图像分类
4.3.3基于粒子群算法的图像匹配
4.4基于粒子群算法的优化问题
4.4.1基于粒子群算法的旅行商问题
4.4.2基于粒子群算法的配送中心选址问题
4.4.3基于粒子群算法的函数优化
参考文献
第5章蚁群算法
5.1蚁群算法起源
5.1.1蚁群算法生物学基础
5.1.2蚁群算法发展历程
5.2蚁群算法实现
5.2.1蚁群算法流程
5.2.2离散域和连续域蚁群算法
5.3基于蚁群算法的路径规划
5.3.1蚁群算法的路径规划中的优势
5.3.2算法描述以及实现
5.3.3全局路径规划方法
5.4基于蚁群算法的社区检测
5.4.1多目标蚁群算法
5.4.2社区检测问题的改进
参考文献
第6章狼群算法
6.1狼群算法起源
6.1.1狼群算法生物学基础
6.1.2狼群算法发展历程
6.2狼群算法实现
6.2.1狼群算法中的智能行为定义
6.2.2狼群算法流程
6.3基于狼群算法的函数求解
6.3.1数学模型
6.3.2函数优化问题
6.4基于狼群算法的优化调度问题
6.4.1基于狼群算法的电网调度优化
6.4.2基于狼群算法的水电站优化调度
参考文献
第7章人工蜂群算法
7.1人工蜂群算法起源
7.1.1人工蜂群算法生物学基础
7.1.2人工蜂群算法发展历程
7.2人工蜂群算法实现
7.2.1人工蜂群算法流程
7.2.2混合人工蜂群算法
7.3基于人工蜂群算法的函数优化
7.3.1基于人工蜂群算法的多目标优化问题
7.3.2基于人工蜂群算法的动态优化
7.4基于人工蜂群算法的图像处理
7.4.1基于人工蜂群算法的图像增强
7.4.2基于人工蜂群算法的图像分割
7.4.3基于人工蜂群算法的图像融合
参考文献
第8章细菌觅食优化算法
8.1细菌觅食优化算法起源
8.1.1细菌觅食优化算法生物学基础
8.1.2细菌觅食优化算法发展历程
8.2细菌觅食优化算法实现
8.2.1细菌觅食优化算法的操作步骤
8.2.2细菌觅食算法的流程
8.3基于细菌觅食算法的图像匹配
8.3.1自适应步长
8.3.2最优解逃逸
8.4基于细菌觅食算法的聚类问题
8.4.1改进趋化操作
8.4.2改进复制操作
8.4.3改进迁徙操作
参考文献
第9章分布估计算法
9.1分布估计算法起源
9.1.1分布估计算法统计学原理
9.1.2分布估计算法发展历程
9.2分布估计算法实现
9.2.1分布估计算法流程
9.2.2分布估计算法改进
9.3基于分布估计算法的收敛性分析及多目标优化问题
9.3.1收敛性分析
9.3.2多分布估计算法
9.4基于分布估计算法的调度问题
9.4.1基于分布估计算法的柔性车间调度
9.4.2基于分布估计算法的资源受限项目调度
参考文献
第10章差分进化算法
10.1差分进化算法与遗传算法
10.1.1遗传算法流程
10.1.2差分进化算法流程
10.1.3差分进化算法与遗传算法的比较
10.2差分进化算法实现
10.2.1差分进化算法主要参数
10.2.2差分进化算法流程
10.3基于差分进化算法的多目标优化问题
10.3.1混合差分进化处理多目标优化问题
10.3.2自适应差分进化处理多目标优化问题
10.4基于差分进化算法的调度问题
10.4.1基于差分进化算法的置换流水线调度
10.4.2基于差分进化算法的有限缓冲区调度
10.4.3基于差分进化算法的作业车间调度
参考文献
第11章模拟退火算法
11.1模拟退火算法起源
11.1.1固体退火原理
11.1.2模拟退火算法发展历程
11.2模拟退火算法实现
11.2.1模拟退火算法基本思想
11.2.2模拟退火算法流程
11.3基于模拟退火算法的超大规模集成电路研究
11.3.1集成电路布线
11.3.2优化目标
11.4基于模拟退火算法的图像处理
11.4.1基于模拟退火算法的图像复原
11.4.2基于模拟退火算法的图像去噪
11.4.3基于模拟退火算法的图像分割
11.5基于模拟退火算法的组合优化
11.5.1基于模拟退火算法的01背包问题
11.5.2基于模拟退火算法的图着色问题
11.5.3基于模拟退火算法的旅行商问题
参考文献
第12章贪心算法
12.1从背包问题了解贪心算法
12.2贪心算法实现
12.2.1局部最优解概念
12.2.2贪心算法流程
12.3基于贪心算法的组合优化
12.3.1基于贪心算法的背包问题
12.3.2基于贪心算法的旅行商问题
参考文献
第13章雨滴算法
13.1自然降雨现象启发下的雨滴算法
13.2雨滴算法理论基础
13.3基于雨滴算法的多目标优化问题
13.3.1基于雨滴算法的多目标应急物资路径优化
13.3.2基于雨滴算法的混合时间窗车辆路径问题
参考文献
第14章禁忌搜索算法
14.1禁忌搜索算法起源
14.1.1禁忌搜索算法发展历程
14.1.2禁忌搜索算法基本思想
14.2禁忌搜索算法实现
14.2.1禁忌搜索算法构成要素
14.2.2禁忌搜索算法流程
14.3基于禁忌搜索的飞蜂窝网络频谱分配方法
14.3.1算法主要思想及流程
14.3.2算法实现具体步骤
14.3.3实验分析
参考文献
第15章量子搜索与优化
15.1量子计算原理
15.1.1状态的叠加
15.1.2状态的相干
15.1.3状态的纠缠
15.1.4量子并行性
15.2量子计算智能的几种模型
15.2.1量子人工神经网络
15.2.2基于量子染色体的进化算法
15.2.3基于量子特性的优化算法
15.2.4量子聚类算法
15.2.5量子模式识别算法
15.2.6量子小波与小波包算法
15.2.7量子退火算法
15.3量子进化算法
15.3.1基于量子旋转门的进化算法
15.3.2基于吸引子的进化算法
参考文献
第16章量子粒子群优化
16.1量子行为粒子群算法
16.1.1思想来源
16.1.2δ势阱模型
16.1.3算法流程
16.2协同量子粒子群优化
16.2.1协同量子粒子群算法
16.2.2改进的协同量子粒子群算法
16.2.3实验结果及分析
16.3基于多次坍塌正交交叉的量子粒子群优化
16.3.1量子多次坍塌
16.3.2正交交叉实验简介
16.3.3多次坍塌正交交叉的量子粒子群算法
16.3.4实验及分析
参考文献
第17章最小二乘法
17.1最小二乘法数学基础
17.2最小二乘法流程
17.3最小二乘法在机器学习中的应用
参考文献
第18章A*算法
18.1最短路径搜索
18.2A*算法实现
18.2.1A*算法原理
18.2.2A*算法简单案例
18.3A*算法的优势与缺陷
参考文献
第19章神经网络算法
19.1神经网络算法起源
19.1.1脑神经元学说
19.1.2神经网络算法发展历程
19.2神经网络算法实现
19.2.1神经网络构成要素
19.2.2典型神经网络结构
19.3基于神经网络算法的图像处理
19.3.1基于神经网络算法的图像分割
19.3.2基于神经网络算法的图像修复
19.3.3基于神经网络算法的目标检测与识别
19.4基于神经网络算法的预测控制
19.4.1基于神经网络算法的预测模型
19.4.2神经网络预测控制中的滚动优化
参考文献
第20章深度学习算法
20.1深度学习算法与神经网络
20.2深度学习算法实现
20.2.1深度概念
20.2.2深度学习算法基本思想
20.2.3深度模型优化
20.3基于深度学习算法的计算机视觉
20.3.1基于深度学习算法的人脸识别
20.3.2基于深度学习算法的目标跟踪
20.4基于深度学习算法的语音识别
20.4.1基于深度学习算法的声学模型
20.4.2基于深度学习算法的语言模型
参考文献
第21章强化学习
21.1强化学习模型
21.1.1强化学习思路
21.1.2基于马尔可夫决策过程的强化学习
21.2逆向强化学习
21.2.1最大边际规划
21.2.2基于最大信息熵的逆向强化学习
21.3基于多尺度FCNCRF网络和强化学习的高分辨SAR图像语义分割
21.3.1深度强化学习
21.3.2SAR图像语义分割动态调优策略
21.3.3算法实现
21.3.4实验结果
参考文献
第22章混合智能算法
22.1粒子群深度网络模型及学习算法
22.1.1PSO自编码网络
22.1.2自适应PSO自编码网络
22.1.3模拟退火PSO算法自编码网络
22.1.4实验与分析
22.2混沌模拟退火深度网络模型及学习算法
22.2.1混沌模拟退火深度网络学习算法
22.2.2混沌模拟退火自编码网络
22.2.3混沌模拟退火深度小波网络
22.2.4实验与分析
参考文献
内容摘要
本书有机融合自然计算、启发式方法、量子、神经网络等智能理论和前沿技术，对遗传算法、免疫算法、粒子群算法、蚁群算法等22种智能算法的起源、理论基础、基本框架和典型应用进行了详细论述，在此基础上，针对相关领域中的典型问题给出智能算法的应用示例。
本书可以为计算机科学、信息科学、人工智能、自动化技术等领域相关专业技术人员提供参考，也可以作为相关专业研究生和高年级本科生教材。
主编推荐
— 没有更多了 —
以下为对购买帮助不大的评价