智能算法及其在资源环境系统建模中的应用

　　《智能算法及其在资源环境系统建模中的应用》系统地阐述了二进制编码遗传算法、格雷码编码遗传算法、实数编码遗传算法、自然数编码遗传算法、BP人工神经网络、RBF人工神经网络、模糊评价等智能算法的基本理论和计算技术及其在资源环境系统建模中的最新研究成果。在理论方面：建立了各种编码的改进遗传算法及两点杂交、两点变异格雷码加速遗传算法的模式定理；将遗传算法与单纯形算法、模式搜索算法、模拟退火方法等有机地联系起来，建立了多种混合智能算法；将遗传算法与BP人工神经网络、模糊数学、物元分析技术、投影寻踪技术和多目标决策技术有机地结合起来，建立了遗传优化BP人工神经网络模型、遗传优化模糊评价模型、遗传优化物元模型、遗传投影寻踪倒s型评价模型、遗传投影寻踪插值模型和遗传理想区间模型。在应用方面：将改进的遗传算法和改进的模拟退火算法应用于高度非线性、多峰值等复杂资源环境系统优化；将人工神经网络应用于资源环境系统预测；将遗传算法、人工神经网络和模糊评价方法应用于资源环境系统评价。《智能算法及其在资源环境系统建模中的应用》给出了大量的数值模拟例子和建模实例，是理论联系实际的经验总结。《智能算法及其在资源环境系统建模中的应用》可作为高等院校环境科学、资源科学、环境工程、水利工程、系统工程、技术经济、应用数学、人工智能、土木工程、市政工程、运筹与管理、地理科学等相关专业的研究生教材和教学参考书，同时也可作为有关领域的科技工作者重要的参考工具书。

暂缺《智能算法及其在资源环境系统建模中的应用》作者简介

第一章　绪论　
　1.1　资源环境系统模型
　1.2　资源环境系统模型优化方法　
　　1.2.1　传统优化方法　
　　1.2.2　智能优化方法　
　1.3　遗传算法研究进展　
　　1.3.1　遗传算法简史　
　　1.3.2　遗传算法研究进展　
　1.4　人工神经网络研究进展　
　1.5　模糊数学研究进展　
　1.6　本书目的与内容　
第二章　二进制编码遗传算法　
　2.1　基本遗传算法　
　　2.1.1　SGA构成要素　
　　2.1.2　SGA形式化定义　
　　2.1.3　算例　
　2.2　遗传算法的基本理论　
　2.3　二进制编码遗传算法的主要有缺点及其改进方式　
　2.4　二进制编码遗传算法的改进　
　　2.4.1　IAGA计算技术　
　　2.4.2　IAGA控制参数　
　　2.4.3　IAGA全局优化性能分析　
　　2.4.4　IAGA测试　
　2.5　二进制编码自适应加速遗传算法　
　　2.5.1　AAGA计算技术　
　　2.5.2　AAGA测试　
　　2.5.3　算例　
　2.6　本章小结　
第三章　格雷码遗传算法　
　3.1　格雷码遗传算法　
　3.2　格雷码加速遗传算法　
　　3.2.1　GAGA计算技术　
　　3.2.2　GAGA测试　
　　3.2.3　解非线性极大极小问题的GAGA　
　　3.2.4　算例　
　3.3　GAGA理论　
　　3.3.1　GAGA模式定理　
　　3.3.2　GAGA收敛定理　
　3.4　格雷码编码单纯形混合加速遗传算法　
　　3.4.1　单纯形法　
　　3.4.2　GSHAGA计算技术　
　　3.4.3　GSHAGA性能分析　
　　3.4.4　GSHAGA数值模拟　
　3.5　格雷码编码模式搜索混合加速遗传算法　
　　3.5.1　模式搜索法　
　　3.5.2　GSHAGA计算技术　
　　3.5.3　GSHAGA数值分析　
　3.6　本章小结　
第四章　实数编码遗传算法　
　4.1　实数编码遗传算法概论　
　4.2　实数编码单纯形混合加速遗传算法　
　　4.2.1　SHAGA计算技术　
　　4.2.2　SHAGA控制参数　
　　4.2.3　SHAGA分析　
　　4.2.4　SHAGA测试　
　4.3　实数编码模式搜索混合加速遗传算法
　　4.3.1　HHAGA计算技术　
　　4.3.2　HHAGA分析　
　　4.3.3　算例　
　4.4　实数编码遗传算法与其他优化算法比较　
　　4.4.1　测试函数　
　　4.4.2　全局优化性能比较　
　　4.4.3　优化算法对准则的稳定性比较　
　　4.4.4　各种遗传算法比较结果　
　4.5　本章小结　
第五章　自然数编码遗传算法　
　5.1　模型描述　
　5.2　算法设计　
　5.3　NOEGA复杂性分析　
　5.4　算例　
　5.5　本章小结　
第六章　模拟退火算法　
　6.1　模拟退火算法　
　6.2　改进的模拟退火算法　
　6.3　模拟退火混合加速算法　
　6.4　SAHGAGA理论分析　
　6.5　算例　
　6.6　本章小结　
第七章　人工神经网络　
　7.1　人工神经网络概念　
　7.2　人工神经元模型　
　7.3　人工神经网络分类　
　7.4　BP神经系统　
　　7.4.1　BP神经网络模型　
　　7.4.2　改经的BP神经网络模型　
　　7.4.3　算例　
　　7.4.4　结论　
　7.5　RBF神经网络原理　
　　7.5.1　RBF神经网络原理　
　　7.5.2　RBF神经网络模型　
　　7.5.3　算例　
　　7.5.4　结论　
第八章　模糊综合评价理论与方法　
　8.1　模糊集的基本概念　
　8.2　模糊集的表示方法　
　8.3　模糊集的运算　
　8.4　模糊映射　
　8.5　模糊评价函数　
　8.6　模糊综合评价方法　
　　8.6.1　模糊乘加综合评价方法　
　　8.6.2　模糊贴近度综合评价方法　
　　8.6.3　遗传加权模糊综合评价方法　
　8.7　本章小结　
第九章　智能算法在资源环境系统优化中的应用　
　9.1　智能算法在流域水文模型参数优选中的应用　
　　9.1.1　新安江流域模型　
　　9.1.2　三江源新安江模型　
　　9.1.3　参数调试方法　
　　9.1.4　大拗、谭口流域模型　
　　9.1.5　九种智能优化算法结果　
　　9.1.6　本节小结　
　9.2　自适应加速遗传算法在水位流量关系拟和种的应用　
　9.3　用格雷码加速遗传算法确定河流横向扩散中的应用　
第十章　智能算法在资源环境可再生能力综合评价中的应用　
　10.1　多属性评价概述　
　10.2　智能算法在黄河流域水资源可再生综合能力的应用　
　　10.2.1　水资源可再生性综合评价理论框架　
　　10.2.2　权重模型　
　　10.2.3　遗传投影寻踪倒S型评价模型　
　　10.2.4　遗传投影寻踪插值模型　
　　10.2.5　多目标理想区间模型　
　　10.2.6　RBF网络评价模型　
　　10.2.7　物元模型　
　　10.2.8　结论　
　10.3　黄河流域水质恢复能力综合评价的GPPM　
　　10.3.1　计算技术　
　　10.3.2　黄河流域水质恢复能力综合评价　
　10.4　水资源潜力综合评价　
　　10.4.1　计算技术　
　　10.4.2　水资源潜力综合评价　
　10.5　区域水资源开发利用程度综合评价的GPPM　
　　10.5.1　计算技术　
　　10.5.2　区域水资源开发利用程度综合评价　
　10.6　水质综合评价的GPPM　
　　10.6.1　计算技术　
　　10.6.2　水质综合评价　
　10.7　区域水资源承载能力综合评价的GPPM　
　　10.7.1　计算技术　
　　10.7.2　区域水资源承载能力综合评价　
　10.8　遗传理想区间模型在城市环境质量综合评价中的应用　
　　10.8.1　遗传理性区间模型　
　　10.8.2　城市环境质量综合评价　
　10.9　RBF神经网络模型在大气环境质量综合评价中的应用　
　　10.9.1　计算技术　
　　10.9.2　大气环境质量综合评价　
　10.10　本章小结　
第十一章　智能算法在资源环境系统预测中的应用　
　11.1　RBF神经网络模型在黄河流域年径流预测中的应用　
　　11.1.1　计算技术　
　　11.1.2　黄河流域年径流预测　
　11.2　RBF神经网络模型在海温预测的应用　
　　11.2.1　海温预测　
　　11.2.2　结论　
　11.3　遗传门限自回归模型在海洋冰情中的应用　
　　11.3.1　遗传门限自回归模型　
　　11.3.2　海洋冰情预测　
　11.4　本章小结　
附录1　各算法中英文对照表　
附录2　常用实验函数　
附录3　二进制码与格雷码对照表