启发式优化算法理论及应用

图书标准信息

• 作者 邹晔
• 出版社 清华大学出版社
• 出版时间 2023-11
• 版次 1
• ISBN 9787302644156
• 定价 59.00元
• 装帧 其他
• 开本 16开
• 页数 204页
• 字数 335千字

【内容简介】

本书系统、全面地介绍了用于求解很优化问题的10种智能启发式算法的基本思想、设计原理及应用案例，分别为遗传算法、蚁群算法、模拟退火算法、禁忌搜索算法、大邻域搜索算法、变邻域搜索算法、迭代局部搜索算法、粒子群算法、人工免疫算法及人工神经网络。

本书可作为高等院校计算机科学与技术、人工智能等理工类相关专业本科生及研究生教材，也可作为物流管理、经济管理等管理类相关专业本科生及研究生教材。

【目录】

第1章绪论

1.1很优化问题定义及分类

1.1.1很优化问题定义

1.1.2很优化问题分类

1.2很优化方法特点及分类

1.2.1很优化方法特点

1.2.2很优化方法分类

1.3启发式算法定义及特点

1.3.1启发式算法定义

1.3.2启发式算法特点

1.4本章小结

1.5习题

第2章遗传算法

2.1遗传算法思想及特点

2.1.1算法思想

2.1.2算法特点

2.2遗传算子

2.2.1选择算子

2.2.2交叉算子

2.2.3变异算子

2.3遗传算法设计原则

2.3.1适应度和初始群体选取原则

2.3.2参数设计原则

2.4遗传算法的应用

2.4.1遗传算法在0-1背包问题中的应用

2.4.2遗传算法在函数极值问题中的应用

2.4.3遗传算法在旅行商问题中的应用

2.4.4遗传算法在机器学习中的应用

2.4.5遗传算法在其他领域中的应用

2.5本章小结

2.6习题

第3章蚁群算法

3.1蚁群算法思想及特点

3.1.1算法思想

3.1.2算法特点

3.2蚁群算法的应用

3.2.1蚁群算法在旅行商问题中的应用

3.2.2蚁群算法在函数极值问题中的应用

3.3本章小结

3.4习题

第4章模拟退火算法

4.1模拟退火算法思想及特点

4.1.1算法思想

4.1.2算法特点

4.2模拟退火算法设计原则

4.3模拟退火算法的应用

4.3.1模拟退火算法在旅行商问题中的应用

4.3.2模拟退火算法在电商物流配送问题中的应用

4.3.3模拟退火算法在登机口分配问题中的应用

4.3.4模拟退火算法在多核多用户任务卸载调度问题中的应用

4.3.5模拟退火算法在同时取送货车辆路径问题中的应用

4.5本章小结

4.6习题

第5章禁忌搜索算法

5.1禁忌搜索算法思想及特点

5.1.1算法思想

5.1.2算法特点

5.2禁忌搜索算法设计原则

5.3禁忌搜索算法的应用

5.3.1禁忌搜索算法在旅行商问题中的应用

5.3.2禁忌搜索算法在双层级医疗设施选址问题中的应用

5.3.3禁忌搜索算法在机场外航服务人员班型生成问题中的应用

5.4本章小结

5.5习题

第6章大邻域搜索算法

6.1邻域搜索及超大规模邻域搜索定义

6.1.1邻域搜索定义

6.1.2超大规模邻域搜索定义

6.2大邻域搜索算法介绍

6.3自适应大邻域搜索算法介绍

6.3.1算法思想

6.3.2算法设计原则

6.3.3算法特点

6.4大邻域搜索算法的应用

6.4.1大邻域搜索算法在路径问题中的应用

6.4.2大邻域搜索算法在调度问题中的应用

6.5本章小结

6.6习题

第7章变邻域搜索算法

7.1变邻域搜索算法原理

7.1.1变邻域深度搜索算法原理

7.1.2简化变邻域搜索算法原理

7.1.3基本变邻域搜索算法原理

7.1.4偏态变邻域搜索算法原理

7.1.5变邻域分解搜索算法原理

7.1.6并行变邻域搜索算法原理

7.2变邻域搜索算法的改进策略

7.3变邻域搜索算法的应用

7.3.1变邻域搜索算法在组合优化问题中的应用

7.3.2变邻域搜索算法在连续优化问题中的应用

7.3.3变邻域搜索算法在物流配送系统集成优化问题中的应用

7.3.4变邻域搜索算法在开放式带时间窗车辆路径问题中的应用

7.4本章小结

7.5习题

第8章迭代局部搜索算法

8.1迭代局部搜索算法原理

8.2迭代局部搜索算法设计原则

8.2.1初始解设计原则

8.2.2扰动机制设计原则

8.2.3解接受准则设计原则

8.2.4局部搜索设计原则

8.2.5全局优化设计原则

8.3迭代局部搜索算法的应用

8.3.1迭代局部搜索算法在旅行商问题中的应用

8.3.2迭代局部搜索算法在其他问题中的应用

8.4本章小结

8.5习题

第9章粒子群算法

9.1粒子群算法起源

9.2粒子群算法原理

9.2.1原始粒子群算法原理

9.2.2标准粒子群算法原理

9.3粒子群算法参数分析

9.3.1惯性权重分析

9.3.2学习因子分析

9.3.3其他参数分析

9.4粒子群算法的应用

9.4.1粒子群算法在模糊系统设计问题中的应用

9.4.2粒子群算法在满载需求可拆分车辆路径问题中的应用

9.5本章小结

9.6习题