用于最优化的计算智能

　　本书从讨论组合优化中的基本问题：：NP问题入手，系统地讲述了近年来所发展起来的智能最优化的各种技术和方法，其中包括启发式搜索、Hopfield神经网络、模拟退火和随机机、均场退火以及遗传算法等；并在此基础上，通过一些典型的应用问题，如旅行商问题、模式识别中的点模式匹配问题、通信和任务调度等问题进一步阐明以上一些基本方法怎样用来解决这些原来具有NP性质的困难问题。本书是作者在美国新泽西州理工学院多年讲授有关课程的基础上写成的。全书深入浅出，理论联系实际。为帮助学生掌握基本概念，提高学习能动性，各章编写了习题。本书可作为通信、计算机、控制各专业的高年级学生和研究生学习有关课程的教材。它对于广大科研工作者也是一本很有实际价值的参考书。

暂缺《用于最优化的计算智能》作者简介

前言
第1章 引言
1．1 计算复杂度
1. 1．1 算法分析
1．1．2 NP完全问题
1．2 最优化技术综述
1. 2．1 启发式搜索
1．2．2 霍普费尔德神经网络
1．2. 3 模拟退火与随机机一
1．2. 4 均场退火
1．2. 5 遗传算法
1．3 本书的结构
1．4 习题
第2章 启发式搜索方法
2．1 图搜索算法
2．2 启发函数
2．3 A*搜索算法
2．4 习题
第3章 霍普费尔德神经网络
3．1 离散霍氏网
3．2 连续霍氏网
3．3 按内容联想的存储器
3．4 组合最优化
3．4. 1 旅行商问题
3．4. 2 二分图问题
3．4. 3 N皇后问题
3．5 习题
第4章 模拟退火和随机机
4．1 统计力学和麦绰泼里斯算法
4．2 模拟退火
4．2．1 有限时间实现
4．2．2 一个例子：TSP
4．3 随机机
4．3．1 波尔兹曼机
4．3．2 高斯机
4．3．3 柯西机
4. 4 习题
第5章 均场退火
5．1 均场近似
5．2 鞍点展开
5．3 稳定性
5．4 均场网的参数
5．5 二分图不例
5. 6 习题
第6章 遗传算法
6．1 简单遗传操作
6．1．1 繁殖
6．1．2 交叉
6．1．3 突变
6．2 一个不例
6．3 为什么遗传算法会奏效？
6．4 其它遗传操作
6. 5 习题
第7章 旅行商问题
7．1 为什么霍氏网经常不能生成有效解答？
7．1．1 霍氏网的动力学
7. 1．2 拉格朗目参数的另一种表达方式
7．1．3 霍普费尔德的10城市问题
7. 2 应用启发式搜索算法求解TSP
7. 3 应用模拟退火算法求解TSP
7. 4 应用遗传算法求解TSP
7．5 本征值分析概述
7. 6 连接矩阵的人的推导
7. 7 习题
第8章 电信
8．1 卫星广播调度
8. 1．I SBS问题的神经网络表达
8．1．2 SBS问题的均场公式
8. 1．3 算法的参数
8. 1．4 临界温度T
8．1．5 一个示例
8. 2 集成TDMA通信系统的数据吞吐量最大化
8. 2．1 多路复用方案与数据吞吐量
8. 2．2 数据吞吐量的最大化
8. 3 总结
8. 4 习题
第9章 点模式匹配
9. 1 问题的表述
9．2 模拟退火框架
9．2．1 编码方案
9. 2．2 能量函数
9．2．3 扰动规则
9．2．4 接受规则
9．2．5 冷却流程
9．2．6 停止准则
9．3 进化程序设计
9．3．1 解空间的表示
9．3．2 群体空间：规模、初始化及其利用
9. 3．3 适度函数
9．3．4 繁殖
9．3．5 遗传算子
9．3．6 模拟结果
9. 4 总结
第10章 多处理器调度
10．1 模型与定义
10．2 均场退火
10．2．1 MSP霍普费尔德能量函数
10．2．2 均场近似
10. 2. 3 MSP的均场公式
10. 2．4 数值解法和仿真
10．3 遗传算法
10．3．1 符号串表示
10．3．2 起始群体
10．3．3 适度函数
10．3．4 遗传操作
10．3．5 完整的算法
10．3．6 仿真结果
10．4 习题
第11章 作业调度
11．1 调度的分类
11．2 JSP的遗传算法
11．2．1 JSP的编码方式
11．2．2 调度的生成
11．2. 3 遗传操作
11．3 仿真结果
11．4 习题
参考文献
各词术语中英文对照来（以汉语拼音排序）