书籍详情
蚁群算法原理及其应用
作者：段海滨著
出版社：科学出版社
出版时间：2005-12-01
ISBN：9787030162045
定价：¥48.00
购买这本书可以去
内容简介
本书系统、深入地介绍了蚁群算法的原理及其应用，力图概括国内外在这一学术领域的最新研究进展。全书共包括10章，主要内容包括蚁群算法的思想起源、研究现状及机制原理；蚁群算法的复杂度分析；蚁群算法的收敛性证明；蚁群算法参数对其性能的影响；蚁群算法的参数选择原则；离散域和连续域蚁群算法的若干改进策略；蚁群算法在多个优化领域的典型应用；蚁群算法的硬件实现技术；蚁群算法与其他仿生优化算法的比较与融合；蚁群算法的研究展望；最后还在附录部分给出了基本蚁群算法的程序源代码和相关网站。 本书内容取材新颖，覆盖面较广，深入浅出，系统性强，注重理论联系实际，力求使读者能较快掌握和应用这一新兴的仿生优化算法。 本书可作为计算机科学、控制科学、人工智能、管理科学等专业高年级本科生、研究生和教师的参考书，也可供理工科其他专业的师生参考，还可供利用计算机从事智能优化的科技人员阅读和参考。
作者简介
暂缺《蚁群算法原理及其应用》作者简介
目录
第1章 绪论
1.1 引言
1.2 蚂蚁的生物学特征
1.3 蚁群算法的思想起源
1.4 蚁群算法的研究进展
1.5 本书的体系结构
1.6 本章小结
参考文献
第2章 基本蚁群算法原理及其复杂度分析
2.1 引言
2.2 基本蚁群算法的原理
2.3 基本蚁群算法的系统学特征
2.4 基本蚁群算法的数学模型
2.5 基本蚁群算法的具体实现
2.6 基本蚁群算法的复杂度分析
2.7 基本蚁群算法的性能评价指标
2.8 本章小结
参考文献
第3章 蚁群算法的收敛性研究
3.1 引言
3.2 图搜索蚂蚁系统（GBAS）的收敛性研究
3.3 一类改进蚁群算法的收敛性证明
3.4 GBAS/tdev和GBAS/tdlb的确定性收敛证明
3.5 基本蚁群算法的A.S.收敛性研究
3.6 一类分布式蚂蚁路由算法的收敛性研究
3.7 基于分支路由和Wiener过程的蚁群算法收敛性研究
3.8 一种简单蚁群算法及其收敛性分析
3.9 遗传-蚁群算法的Markov收敛性分析
3.10 一类广义蚁群算法（GACA）的收敛性分析
3.11 本章小结
参考文献
第4章 蚁群算法的实验分析及参数选择原则
4.1 引言
4.2 蚁群行为和参数对算法性能影响的实验分析
4.3 蚁群算法参数最优组合的“三步走”方法
4.4 本章小结
参考文献
第5章 离散域蚁群算法的改进研究
5.1 引言
5.2 自适应蚁群算法
5.3 基于去交叉局部优化策略的蚁群算法
5.4 基于信息素扩散的蚁群算法
5.5 多态蚁群算法
5.6 基于模式学习的小窗口蚁群算法
5.7 基于混合行为的蚁群算法
5.8 带聚类处理的蚁群算法
5.9 基于云模型理论的蚁群算法
5.10 具有感觉和知觉特征的蚁群算法
5.11 具有随机扰动特性的蚁群算法
5.12 基于信息熵的改进蚁群算法
5.13 本章小结
第6章 连续域蚁群算法的改进研究
6.1 引言
6.2 基于网格划分策略的连续域蚁群算法
6.3 基于信息量分布函数的连续域蚁群算法
6.4 连续域优化问题的自适应蚁群算法
6.5 基于交叉变异操作的连续域蚁群算法
6.6 嵌入确定性搜索的连续域蚁群算法
6.7 基于密集非递阶的连续交互式蚁群算法（CIACA）
6.8 多目标优化问题的连续域蚁群算法
6.9 复杂多阶段连续决策问题的动态窗口蚁群算法
6.10 本章小结
参考文献
第7章 蚁群算法的典型应用
7.1 引言
7.2 车间作调度问题
7.3 网络路由问题
7.4 车辆路径问题
7.5 机器人领域
7.6 电力系统
7.7 故障诊断
7.8 控制参数优化
7.9 系统辨识
7.10 聚类分析
7.11 数据挖掘
7.12 图像处理
7.13 航迹规划
7.14 空战决策
7.15 岩土工程
7.16 化学工业
7.17 生命科学
7.18 布局优化
7.19 本章小结
参考文献
第8章 蚁群算法的硬件实现
8.1 引言
8.2 仿生硬件概述
8.3 基于FPGA的蚁群算法硬件实现
8.4 基于蚁群算法和遗传算法动态融合的软硬件划分
8.5 本章小结
参考文献
第9章 蚁群算法同其他仿生优化算法的比较与融合
9.1 引言
9.2 其他几种仿生优化算法的基本原理
9.3 蚁群算法与其他仿生优化算法的异同比较
9.4 蚁群算法与遗传算法的融合
9.5 蚁群算法与人工神经网络的融合
9.6 蚁群算法与微粒群算法的融合
9.7 蚁群算法与人工免疫算法的融合
9.8 本章小结
参考文献
第10章 展望
10.1 引言
10.2 蚁群算法的模型改进
10.3 蚁群算法的理论分析
10.4 蚁群算法的并行实现
10.5 蚁群算法的应用领域
10.6 蚁群算法的硬件实现
10.7 蚁群算法的智能融合
10.8 本章小结
参考文献
附录A 基本蚁群算法程序
A.1 C语言版
A.2 Matlab语言版
A.3 Visual Basic语言版
附录B 相关网站
附录C 基本术语（中英文对照）及缩略语
附录D （词一首）鹧鸪天.蚁群算法
1.1 引言
1.2 蚂蚁的生物学特征
1.3 蚁群算法的思想起源
1.4 蚁群算法的研究进展
1.5 本书的体系结构
1.6 本章小结
参考文献
第2章 基本蚁群算法原理及其复杂度分析
2.1 引言
2.2 基本蚁群算法的原理
2.3 基本蚁群算法的系统学特征
2.4 基本蚁群算法的数学模型
2.5 基本蚁群算法的具体实现
2.6 基本蚁群算法的复杂度分析
2.7 基本蚁群算法的性能评价指标
2.8 本章小结
参考文献
第3章 蚁群算法的收敛性研究
3.1 引言
3.2 图搜索蚂蚁系统（GBAS）的收敛性研究
3.3 一类改进蚁群算法的收敛性证明
3.4 GBAS/tdev和GBAS/tdlb的确定性收敛证明
3.5 基本蚁群算法的A.S.收敛性研究
3.6 一类分布式蚂蚁路由算法的收敛性研究
3.7 基于分支路由和Wiener过程的蚁群算法收敛性研究
3.8 一种简单蚁群算法及其收敛性分析
3.9 遗传-蚁群算法的Markov收敛性分析
3.10 一类广义蚁群算法（GACA）的收敛性分析
3.11 本章小结
参考文献
第4章 蚁群算法的实验分析及参数选择原则
4.1 引言
4.2 蚁群行为和参数对算法性能影响的实验分析
4.3 蚁群算法参数最优组合的“三步走”方法
4.4 本章小结
参考文献
第5章 离散域蚁群算法的改进研究
5.1 引言
5.2 自适应蚁群算法
5.3 基于去交叉局部优化策略的蚁群算法
5.4 基于信息素扩散的蚁群算法
5.5 多态蚁群算法
5.6 基于模式学习的小窗口蚁群算法
5.7 基于混合行为的蚁群算法
5.8 带聚类处理的蚁群算法
5.9 基于云模型理论的蚁群算法
5.10 具有感觉和知觉特征的蚁群算法
5.11 具有随机扰动特性的蚁群算法
5.12 基于信息熵的改进蚁群算法
5.13 本章小结
第6章 连续域蚁群算法的改进研究
6.1 引言
6.2 基于网格划分策略的连续域蚁群算法
6.3 基于信息量分布函数的连续域蚁群算法
6.4 连续域优化问题的自适应蚁群算法
6.5 基于交叉变异操作的连续域蚁群算法
6.6 嵌入确定性搜索的连续域蚁群算法
6.7 基于密集非递阶的连续交互式蚁群算法（CIACA）
6.8 多目标优化问题的连续域蚁群算法
6.9 复杂多阶段连续决策问题的动态窗口蚁群算法
6.10 本章小结
参考文献
第7章 蚁群算法的典型应用
7.1 引言
7.2 车间作调度问题
7.3 网络路由问题
7.4 车辆路径问题
7.5 机器人领域
7.6 电力系统
7.7 故障诊断
7.8 控制参数优化
7.9 系统辨识
7.10 聚类分析
7.11 数据挖掘
7.12 图像处理
7.13 航迹规划
7.14 空战决策
7.15 岩土工程
7.16 化学工业
7.17 生命科学
7.18 布局优化
7.19 本章小结
参考文献
第8章 蚁群算法的硬件实现
8.1 引言
8.2 仿生硬件概述
8.3 基于FPGA的蚁群算法硬件实现
8.4 基于蚁群算法和遗传算法动态融合的软硬件划分
8.5 本章小结
参考文献
第9章 蚁群算法同其他仿生优化算法的比较与融合
9.1 引言
9.2 其他几种仿生优化算法的基本原理
9.3 蚁群算法与其他仿生优化算法的异同比较
9.4 蚁群算法与遗传算法的融合
9.5 蚁群算法与人工神经网络的融合
9.6 蚁群算法与微粒群算法的融合
9.7 蚁群算法与人工免疫算法的融合
9.8 本章小结
参考文献
第10章 展望
10.1 引言
10.2 蚁群算法的模型改进
10.3 蚁群算法的理论分析
10.4 蚁群算法的并行实现
10.5 蚁群算法的应用领域
10.6 蚁群算法的硬件实现
10.7 蚁群算法的智能融合
10.8 本章小结
参考文献
附录A 基本蚁群算法程序
A.1 C语言版
A.2 Matlab语言版
A.3 Visual Basic语言版
附录B 相关网站
附录C 基本术语（中英文对照）及缩略语
附录D （词一首）鹧鸪天.蚁群算法
猜您喜欢
