群智优化其在物流中的应用(精)/智能制造与机器人理论及技术研究丛书 普通图书/综合图书 李文锋//梁晓磊|总主编:丁汉//孙容磊 华中科技大学 9787568049146
新华书店全新正版书籍图书 保证_可开发票_极速发货支持7天无理由
￥ 65.3 6.7折 ￥ 98 全新
库存2件
浙江嘉兴
认证卖家担保交易快速发货售后保障
作者李文锋//梁晓磊|总主编:丁汉//孙容磊
出版社华中科技大学
ISBN9787568049146
出版时间2018-12
装帧精装
开本其他
定价98元
货号30482765
上书时间2023-07-25
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
李文锋，武汉理工大学二级教授，博士生导师。瑞典皇家工学院自治系统研究中心访问学者，美国新泽西理工大学和美国纽约大学访问教授。湖北省有突出贡献的中青年专家。中国人工智能学会智能制造专业委员会常务委员，中国机械工程学会机器人专业委员会委员，高等学校物流管理与工程类教学指导委员会委员，IEEE高级会员。主要研究方向为环境感知与系统协作控制，物流自动化与机器人技术，物流供应链仿真与规划，物联网与物流信息化技术，智能制造，人机工程与健康监护。先后承担国家自然科学基金项目、国家“十一五”“十二五”科技支撑计划项目、国家“863计划”项目。先后发表科研论文近300篇，专著6本，有100余篇次被三大检索(SCI、EI、ISTP)收录，获国家发明专利10多项。先后获得省部级科技进步一等奖2项、二等奖7项、三等奖1项。
目录
第1章 群智能优化理论及其研究与分析
1.1 群智能优化理论
1.2 典型群智能优化算法
1.2.1 遗传算法
1.2.2 粒子群优化算法
1.2.3 蚁群优化算法
1.2.4 细菌觅食优化算法
1.2.5 生物地理优化算法
1.2.6 其他群智能优化算法
1.3 群体行为的复杂网络与社会网络分析
1.4 群智能的种群和拓扑结构
1.5 群智能优化中个体行为控制
本章小结
第2章 具有异构分簇的聚类自适应粒子群优化算法
2.1 基于聚类的自适应粒子群优化算法
2.1.1 基于聚类的种群动态分割策略
2.1.2 基于异构簇的自适应调整策略
2.2 算法流程
2.3 实验分析和讨论
2.3.1 实验设计和Benchmark函数
2.3.2 实验1：种群分布度对比分析
2.3.3 实验2：算法参数敏感性测试
2.3.4 实验3：相同初始值对比测试
2.3.5 实验4：相同最大迭代次数对比测试
本章小结
第3章 基于社会网络演化的动态拓扑粒子群优化算法
3.1 基于社会网络演化的粒子群优化算法
3.1.1 群智能中的社会网络
3.1.2 子群划分策略
3.1.3 基于社会网络演化的动态拓扑构建算法
3.1.4 算法流程
3.2 算法复杂度分析
3.3 标准测试函数实验
3.3.1 测试函数
3.3.2 对比算法及其参数
3.3.3 实验内容及分析
本章小结
群智能优化及其在物流中的应用目录第4章 基于社会网络的群体优化算法
4.1 基于社会网络模型的动态种群拓扑结构构建
4.2 扩展式个体邻域构建
4.3 个体学习行为调整
4.3.1 NI中个体学习方式
4.3.2 RI中个体学习方式
4.4 算法流程
4.5 与其他智能算法的比较
4.6 数值实验与分析
4.6.1 实验设计
4.6.2 实验与分析
本章小结
第5章 基于群智能优化算法的自动化立体仓库货位优化
内容摘要
群智能优化技术是在自然群体基础上通过个体协作实现复杂系统优化的一种智能优化技术。智能物流
系统作为智能制造系统的重要支撑，通过群智能优化方法可以有效解决复杂物流优化问题，提升问题优化效率、降低计算成本，提高对问题的响应效率。
李文锋、梁晓磊著的《群智能优化及其在物流中的应用(精)/智能制造与机器人理论及技术研究丛书》得到了国家自然科学基金面上项日“基于移动智能体调度的混杂工业无线传感器网络抗毁性研究”(编号：61571336)和青年科学基金项目“面向多移动智能物流
资源调度的动态渐进群集智能优化方法研究”(编号：61603280)等项目的资助。在此背景下，开展了关于智能制造发展背景下若干复杂物流系统优化问题的系统
研究和实践。本书详细介绍了日前群智能优化技术的原理、基于自适应和社会网络的算法性能提升方法，以及群智能优化算法在自动化立体仓库货位优化、冷链配送车辆路径优化、云物流下基于协同库存的集合覆盖的选址一分配优化、集装箱多式联运优化和集装箱船舶贝位配载优化等具体实际问题中的应用。
本书可帮助高校师生和工程技术人员系统掌握群智能优化技术的原理、改进途径及应用策略，了解群智能优化算法国内外最新研究进展，掌握工程实际中典型物流问题的建模方法及群智能优化方法。本书对推广、提升智能制造环境下智能物流系统优化和发展具有重要意义。
— 没有更多了 —
以下为对购买帮助不大的评价