书籍详情
蚁群优化
作者：（意）Marco Dorigo
出版社：清华大学
出版时间：2007-01-01
ISBN：9787302138877
定价：¥36.00
购买这本书可以去
内容简介
通过对蚂蚁复杂的社会行为的研究，科学家们发现基于其行为模式的模型可以用来求解复杂的组合优化问题。为了解决计算机科学中的最短路径问题，基于蚂蚁行为特征所发展起来的算法演变成一个被广泛认可并非常成功的新的研究领域——蚁群优化（ACO）。本书从理论和实际应用两方面介绍了这个迅速发展的领域。.本书首先介绍了如何将蚂蚁的行为转换成有效的优化算法，然后介绍蚁群元启发式算法及其在组合优化中的应用。随后介绍了主要的ACO算法并给出了最新的理论进展。书中综述了当前的ACO应用，包括路由问题、任务委派、调度安排、子集问题、机器学习和生物信息学问题等，详细描述了用于网络路由的蚁网蚁群优化算法AntNet。最后，对该领域的研究进展进行了总结，并给出了未来的研究方向。书中每一章都给出了建议阅读的参考书目、章节重点和练习题目。..本书可作为高等院校计算机及相关专业的高年级学生、研究生的教材，也可供高校教师及科研院所的研究人员参考。...
作者简介
暂缺《蚁群优化》作者简介
目录
1从真实蚂蚁到人工蚂蚁
1.1蚂蚁的觅食行为及其优化过程
1.1.1双桥实验
1.1.2随机模型
1.2向人工蚂蚁转换
1.3人工蚂蚁和最小成本路径
1.3.1SACO
1.3.2有关SACO的实验
1.4书目评注
1.5需要牢记的知识点
1.6思考与计算习题
2蚁群优化元启发式算法
2.1组合优化
2.1.1计算复杂度
2.1.2NP难问题的解决方法
2.1.3什么是元启发式算法
2.2ACO元启发式算法
2.2.1问题描述
2.2.2蚂蚁的行为
2.2.3元启发式算法
2.3如何应用ACO
2.3.1旅行商问题
2.3.2顺序排列问题
2.3.3广义分配问题
2.3.4多重背包问题
2.3.5网络路由问题
2.3.6动态旅行商问题
2.4其他元启发式算法
2.4.1模拟退火
2.4.2禁忌搜索
2.4.3导向性局部搜索
2.4.4迭代局部搜索
2.4.5贪婪随机自适应搜索过程
2.4.6进化计算
2.4.7分散搜索
2.5书目评注
2.6需要牢记的知识点
2.7思考与计算习题
3旅行商问题中的蚁群优化算法
3.1旅行商问题
3.2TSP中的ACO算法
3.3蚂蚁系统及其直接后续算法
3.3.1蚂蚁系统
3.3.2精华蚂蚁系统
3.3.3基于排列的蚂蚁系统
3.3.4最大最小蚂蚁系统
3.4蚂蚁系统的扩展
3.4.1蚁群系统
3.4.2近似非确定性树搜索
3.4.3ACO的超立方体框架
3.5并行执行
3.6实验测评
3.6.1ACO算法的行为
3.6.2蚂蚁系统与它的扩展算法的比较
3.7添加局部搜索的ACO
3.7.1如何在ACO算法中加入局部搜索
3.8ACO算法的实现
3.8.1数据结构
3.8.2算法
3.8.3实现其他ACO算法时的修改
3.9书目评注
3.10需要牢记的知识点
3.11思考与计算习题
4蚁群优化理论
4.1ACO的理论思考
4.2问题和算法
4.3收敛性证明
4.3.1值收敛
4.3.2解收敛
4.3.3ACO算法的附加特性
4.3.4证明实际上说明了什么问题
4.3.5一些ACO算法的收敛性
4.4ACO与基于模型的搜索
4.4.1基于模型的搜索
4.4.2MBS框架中的SGA和CE
4.4.3ACO，SGA和CE
4.5书目评注
4.6需要牢记的知识点
4.7思考与计算习题
5NP难问题的蚁群优化
5.1路由问题
5.1.1顺序排列
5.1.2车辆路由
5.2分配问题
5.2.1二次分配
5.2.2广义分配问题
5.2.3频率分配
5.2.4其他针对分配问题的ACO应用
5.3调度问题
5.3.1单机器总权重延迟调度
5.3.2工序车间、开放车间和组车间调度
5.3.3资源约束项目调度
5.3.4其他针对调度问题的ACO应用
5.4子集问题
5.4.1集合覆盖
5.4.2带权约束的图树分割问题
5.4.3边带权l基树问题
5.4.4针对其他子集问题的ACO应用
5.5对其他NP难问题的ACO应用
5.5.1最短公共超序列问题
5.5.2箱子包装
5.5.32DHP蛋白质折叠
5.5.4带约束满足
5.6机器学习问题
5.6.1分类规则的学习
5.6.2贝叶斯网络结构的学习
5.6.3其他针对机器学习问题的ACO应用
5.7ACO的使用原则
5.7.1构建图
5.7.2信息素的定义
5.7.3探索与开发的平衡
5.7.4启发式信息
5.7.5ACO算法和局部搜索
5.7.6蚂蚁的数目
5.7.7候选列表
5.7.8使用ACO算法求解问题的步骤
5.8书目评注
5.9需要牢记的知识点
5.10思考与计算习题
6AntNet： 数据网络路由中的ACO算法
6.1路由问题
6.1.1路由算法的广义分类
6.1.2通信网络模型
6.2AntNet算法
6.2.1AntNet： 数据结构
6.2.2AntNet： 算法
6.2.3如何评价一个蚂蚁旅程的优劣
6.3实验设置
6.3.1网络的拓扑结构和物理特性
6.3.2流量模式
6.3.3性能评价的标准
6.3.4具有竞争力的路由算法及其参数
6.4实验结果
6.4.1NSFnet
6.4.2NTTnet
6.4.3路由开销
6.5AntNet与媒介质
6.6AntNet、蒙特卡罗仿真和强化学习
6.6.1AntNet作为带有偏向探索的蒙特卡罗在线系统
6.6.2AntNet与强化学习
6.7书目评注
6.8需要牢记的知识点
6.9思考与计算习题
7总结与对未来的展望
7.1我们对ACO了解多少
7.1.1理论发展
7.1.2实验结果和实际应用
7.2ACO当前的发展趋势
7.2.1动态优化问题
7.2.2随机优化问题
7.2.3多目标优化问题
7.2.4并行化
7.2.5对ACO工作行为的理解
7.3蚂蚁算法
7.3.1受觅食行为和标记路径行为启发的其他模式
7.3.2受孵化分类启发的模型
7.3.3受劳动分工启发的模型
7.3.4协作运输启发的模型
附录有关ACO领域的信息来源
参考文献
索引
1.1蚂蚁的觅食行为及其优化过程
1.1.1双桥实验
1.1.2随机模型
1.2向人工蚂蚁转换
1.3人工蚂蚁和最小成本路径
1.3.1SACO
1.3.2有关SACO的实验
1.4书目评注
1.5需要牢记的知识点
1.6思考与计算习题
2蚁群优化元启发式算法
2.1组合优化
2.1.1计算复杂度
2.1.2NP难问题的解决方法
2.1.3什么是元启发式算法
2.2ACO元启发式算法
2.2.1问题描述
2.2.2蚂蚁的行为
2.2.3元启发式算法
2.3如何应用ACO
2.3.1旅行商问题
2.3.2顺序排列问题
2.3.3广义分配问题
2.3.4多重背包问题
2.3.5网络路由问题
2.3.6动态旅行商问题
2.4其他元启发式算法
2.4.1模拟退火
2.4.2禁忌搜索
2.4.3导向性局部搜索
2.4.4迭代局部搜索
2.4.5贪婪随机自适应搜索过程
2.4.6进化计算
2.4.7分散搜索
2.5书目评注
2.6需要牢记的知识点
2.7思考与计算习题
3旅行商问题中的蚁群优化算法
3.1旅行商问题
3.2TSP中的ACO算法
3.3蚂蚁系统及其直接后续算法
3.3.1蚂蚁系统
3.3.2精华蚂蚁系统
3.3.3基于排列的蚂蚁系统
3.3.4最大最小蚂蚁系统
3.4蚂蚁系统的扩展
3.4.1蚁群系统
3.4.2近似非确定性树搜索
3.4.3ACO的超立方体框架
3.5并行执行
3.6实验测评
3.6.1ACO算法的行为
3.6.2蚂蚁系统与它的扩展算法的比较
3.7添加局部搜索的ACO
3.7.1如何在ACO算法中加入局部搜索
3.8ACO算法的实现
3.8.1数据结构
3.8.2算法
3.8.3实现其他ACO算法时的修改
3.9书目评注
3.10需要牢记的知识点
3.11思考与计算习题
4蚁群优化理论
4.1ACO的理论思考
4.2问题和算法
4.3收敛性证明
4.3.1值收敛
4.3.2解收敛
4.3.3ACO算法的附加特性
4.3.4证明实际上说明了什么问题
4.3.5一些ACO算法的收敛性
4.4ACO与基于模型的搜索
4.4.1基于模型的搜索
4.4.2MBS框架中的SGA和CE
4.4.3ACO，SGA和CE
4.5书目评注
4.6需要牢记的知识点
4.7思考与计算习题
5NP难问题的蚁群优化
5.1路由问题
5.1.1顺序排列
5.1.2车辆路由
5.2分配问题
5.2.1二次分配
5.2.2广义分配问题
5.2.3频率分配
5.2.4其他针对分配问题的ACO应用
5.3调度问题
5.3.1单机器总权重延迟调度
5.3.2工序车间、开放车间和组车间调度
5.3.3资源约束项目调度
5.3.4其他针对调度问题的ACO应用
5.4子集问题
5.4.1集合覆盖
5.4.2带权约束的图树分割问题
5.4.3边带权l基树问题
5.4.4针对其他子集问题的ACO应用
5.5对其他NP难问题的ACO应用
5.5.1最短公共超序列问题
5.5.2箱子包装
5.5.32DHP蛋白质折叠
5.5.4带约束满足
5.6机器学习问题
5.6.1分类规则的学习
5.6.2贝叶斯网络结构的学习
5.6.3其他针对机器学习问题的ACO应用
5.7ACO的使用原则
5.7.1构建图
5.7.2信息素的定义
5.7.3探索与开发的平衡
5.7.4启发式信息
5.7.5ACO算法和局部搜索
5.7.6蚂蚁的数目
5.7.7候选列表
5.7.8使用ACO算法求解问题的步骤
5.8书目评注
5.9需要牢记的知识点
5.10思考与计算习题
6AntNet： 数据网络路由中的ACO算法
6.1路由问题
6.1.1路由算法的广义分类
6.1.2通信网络模型
6.2AntNet算法
6.2.1AntNet： 数据结构
6.2.2AntNet： 算法
6.2.3如何评价一个蚂蚁旅程的优劣
6.3实验设置
6.3.1网络的拓扑结构和物理特性
6.3.2流量模式
6.3.3性能评价的标准
6.3.4具有竞争力的路由算法及其参数
6.4实验结果
6.4.1NSFnet
6.4.2NTTnet
6.4.3路由开销
6.5AntNet与媒介质
6.6AntNet、蒙特卡罗仿真和强化学习
6.6.1AntNet作为带有偏向探索的蒙特卡罗在线系统
6.6.2AntNet与强化学习
6.7书目评注
6.8需要牢记的知识点
6.9思考与计算习题
7总结与对未来的展望
7.1我们对ACO了解多少
7.1.1理论发展
7.1.2实验结果和实际应用
7.2ACO当前的发展趋势
7.2.1动态优化问题
7.2.2随机优化问题
7.2.3多目标优化问题
7.2.4并行化
7.2.5对ACO工作行为的理解
7.3蚂蚁算法
7.3.1受觅食行为和标记路径行为启发的其他模式
7.3.2受孵化分类启发的模型
7.3.3受劳动分工启发的模型
7.3.4协作运输启发的模型
附录有关ACO领域的信息来源
参考文献
索引
猜您喜欢
