书籍详情
智能优化算法及其应用
作者：黄友锐
出版社：国防工业出版社
出版时间：2008-02-01
ISBN：9787118054132
定价：¥20.00
购买这本书可以去
内容简介
本书是作者多年来在智能优化算法及其应用所进行的一系列深入研究的基础上撰写而成，同时吸收了国内外许多具有代表性的最新研究成果。全书取材新颖，覆盖面广，深入浅出，注重理论联系实际，力图体现国内外在这一学术领域的最新研究进展。 全书共6章，主要包括：第1章为绪论，介绍优化问题和优化算法及其分类；第三第3、第4和第5章分别介绍遗传算法、免疫克隆选择算法、粒子群算法和蚁群算法的优化流程、机制与特点、收敛性理论、参数选取与实现技术、算法改进等内容，并对改进的算法（自适应遗传算法、免疫遗传算法、量子遗传算法、自适应克隆算法、自适应小生境克隆算法、小生境粒子群算法和小生境蚁群算法）进行了仿真研究和参数取值分析；第6章首先介绍量子计算的研究进展，进而介绍量子计算的实现过程，并把量子计算应用到固定费用运输问题（fcTP）。最后，本书在附录中给出了主要算法的源代码和相应的测试函数，便于读者使用和研究。 本书可作为与优化相关专业的师生、研究人员以及工程技术人员的参考书。
作者简介
暂缺《智能优化算法及其应用》作者简介
目录
第1章 绪论
1.1 优化算法及其分类
1.2 最优化问题及其分类
1.2.1 函数优化问题
1.2.2 组合优化问题
第2章 遗传算法
2.1 遗传算法的研究进展
2.2 遗传算法理论概述
2.2.1 遗传算法常用术语
2.2.2 遗传算法基本要素
2.2.3 遗传算法基本理论
2.3 标准遗传算法
2.3.1 标准遗传算法及流程图
2.3.2 标准遗传算法有关参数的确定
2.3.3 标准遗传算法的特点
2.3.4 标准遗传算法的应用
2.3.5 标准遗传算法的不足
2.4 自适应遗传算法
2.4.1 算子改进
2.4.2 算法特点
2.4.3 算法步骤
2.4.4 参数设置分析
2.5 免疫遗传算法
2.5.1 免疫遗传算法原理
2.5.2 免疫遗传算子作用的定性分析
2.5.3 免疫遗传算法的收敛性
2.5.4 免疫遗传算法的特点
2.6 量子遗传算法
2.6.1 概述
2.6.2 量子比特编码
2.6.3 量子遗传算法流程
2.6.4 量子遗传算法的改进及其应用
2.7 算法实现与应用
2.7.1 基于遗传算法的PID参数整定及仿真
2.7.2 自适应遗传算法在函数优化中应用
2.7.3 基于免疫遗传算法的PID参数整定方法及仿真
第3章 免疫克隆选择算法
3.1 免疫算法的研究进展
3.2 克隆选择算法原理
3.2.1 克隆选择的基本概念
3.2.2 标准克隆选择算法
3.2.3 免疫克隆选择算法在函数优化中的应用
3.3 克隆选择算法的收敛性分析
3.3.1 克隆选择算法的马尔可夫链模型
3.3.2 CSA收敛性分析
3.4 自适应克隆选择算法
3.4.1 算法描述
3.4.2 算法特点
3.4.3 算法步骤
3.5 自适应小生境克隆选择算法
3.5.1 算法描述
3.5.2 算法步骤
3.5.3 参数设置分析
3.6 算法实现与应用
3.6.1 基于免疫克隆选择算法的PID参数整定及仿真
3.6.2 自适应克隆选择算法在函数优化中的应用
3.6.3 自适应小生境克隆选择算法在函数优化中的应用
第4章 粒子群算法
4.1 粒子群算法的研究进展
4.2 粒子群算法基本原理
4.2.1 基本粒子群算法
4.2.2 粒子群算法的参数设置
4.2.3 粒子群算法特点
4.3 实数编码的小生境粒子群算法
4.3.1 算法改进
4.3.2 算法描述
4.4 NPSA收敛性分析
4.5 算法实现与应用
4.5.1 标准的PSO算法在PID参数整定中的应用
4.5.2 改进的PSO算法在PID参数整定中的应用
4.5.3 实数编码的小生境粒子群算法在函数优化中的应用
第5章 蚁群算法
5.1 蚁群算法的研究进展
5.2 蚁群算法基本原理和模型
5.2.1 蚁群算法的生物学基础
5.2.2 蚁群算法的基本思想
5.2.3 蚁群算法的优缺点
5.3 蚁群算法及其收敛性分析
5.3.1 简单蚁群算法描述
5.3.2 收敛性分析
5.4 实数编码的小生境蚁群算法
5.4.1 算法思想
5.4.2 算法描述
5.5 算法实现与应用
5.5.1 测试函数
5.5.2 评价标准
5.5.3 参数取值
5.5.4 测试结果
5.5.5 参数研究
第6章 量子计算
6.1 量子计算的研究进展
6.2 量子位
6.3 量子逻辑门
6.3.1 量子逻辑门的可逆性
6.3.2 量子“非”门
6.3.3 相移门
6.3.4 量子“异或”门
6.3.5 量子“与”门
6.4 量子寄存器
6.5 量子加法器
6.5.1 量子半加器
6.5.2 一位量子全加器
6.5.3 多位量子加法器
6.6 量子中央处理器
6.6.1 量子中央处理器的构成
6.6.2 量子中央处理器的工作原理
6.7 固定费用运输问题的量子算法
6.7.1 固定费用运输问题
6.7.2 fcTP的量子算法
附录A 测试函数
附录B 各种算法的基本程序
B.1 二进制编码的遗传算法源程序
B.2 二进制编码的免疫克隆算法源程序
B.3 实数编码的粒子群算法源程序
B.4 实数编码的蚁群算法源程序
参考文献
1.1 优化算法及其分类
1.2 最优化问题及其分类
1.2.1 函数优化问题
1.2.2 组合优化问题
第2章 遗传算法
2.1 遗传算法的研究进展
2.2 遗传算法理论概述
2.2.1 遗传算法常用术语
2.2.2 遗传算法基本要素
2.2.3 遗传算法基本理论
2.3 标准遗传算法
2.3.1 标准遗传算法及流程图
2.3.2 标准遗传算法有关参数的确定
2.3.3 标准遗传算法的特点
2.3.4 标准遗传算法的应用
2.3.5 标准遗传算法的不足
2.4 自适应遗传算法
2.4.1 算子改进
2.4.2 算法特点
2.4.3 算法步骤
2.4.4 参数设置分析
2.5 免疫遗传算法
2.5.1 免疫遗传算法原理
2.5.2 免疫遗传算子作用的定性分析
2.5.3 免疫遗传算法的收敛性
2.5.4 免疫遗传算法的特点
2.6 量子遗传算法
2.6.1 概述
2.6.2 量子比特编码
2.6.3 量子遗传算法流程
2.6.4 量子遗传算法的改进及其应用
2.7 算法实现与应用
2.7.1 基于遗传算法的PID参数整定及仿真
2.7.2 自适应遗传算法在函数优化中应用
2.7.3 基于免疫遗传算法的PID参数整定方法及仿真
第3章 免疫克隆选择算法
3.1 免疫算法的研究进展
3.2 克隆选择算法原理
3.2.1 克隆选择的基本概念
3.2.2 标准克隆选择算法
3.2.3 免疫克隆选择算法在函数优化中的应用
3.3 克隆选择算法的收敛性分析
3.3.1 克隆选择算法的马尔可夫链模型
3.3.2 CSA收敛性分析
3.4 自适应克隆选择算法
3.4.1 算法描述
3.4.2 算法特点
3.4.3 算法步骤
3.5 自适应小生境克隆选择算法
3.5.1 算法描述
3.5.2 算法步骤
3.5.3 参数设置分析
3.6 算法实现与应用
3.6.1 基于免疫克隆选择算法的PID参数整定及仿真
3.6.2 自适应克隆选择算法在函数优化中的应用
3.6.3 自适应小生境克隆选择算法在函数优化中的应用
第4章 粒子群算法
4.1 粒子群算法的研究进展
4.2 粒子群算法基本原理
4.2.1 基本粒子群算法
4.2.2 粒子群算法的参数设置
4.2.3 粒子群算法特点
4.3 实数编码的小生境粒子群算法
4.3.1 算法改进
4.3.2 算法描述
4.4 NPSA收敛性分析
4.5 算法实现与应用
4.5.1 标准的PSO算法在PID参数整定中的应用
4.5.2 改进的PSO算法在PID参数整定中的应用
4.5.3 实数编码的小生境粒子群算法在函数优化中的应用
第5章 蚁群算法
5.1 蚁群算法的研究进展
5.2 蚁群算法基本原理和模型
5.2.1 蚁群算法的生物学基础
5.2.2 蚁群算法的基本思想
5.2.3 蚁群算法的优缺点
5.3 蚁群算法及其收敛性分析
5.3.1 简单蚁群算法描述
5.3.2 收敛性分析
5.4 实数编码的小生境蚁群算法
5.4.1 算法思想
5.4.2 算法描述
5.5 算法实现与应用
5.5.1 测试函数
5.5.2 评价标准
5.5.3 参数取值
5.5.4 测试结果
5.5.5 参数研究
第6章 量子计算
6.1 量子计算的研究进展
6.2 量子位
6.3 量子逻辑门
6.3.1 量子逻辑门的可逆性
6.3.2 量子“非”门
6.3.3 相移门
6.3.4 量子“异或”门
6.3.5 量子“与”门
6.4 量子寄存器
6.5 量子加法器
6.5.1 量子半加器
6.5.2 一位量子全加器
6.5.3 多位量子加法器
6.6 量子中央处理器
6.6.1 量子中央处理器的构成
6.6.2 量子中央处理器的工作原理
6.7 固定费用运输问题的量子算法
6.7.1 固定费用运输问题
6.7.2 fcTP的量子算法
附录A 测试函数
附录B 各种算法的基本程序
B.1 二进制编码的遗传算法源程序
B.2 二进制编码的免疫克隆算法源程序
B.3 实数编码的粒子群算法源程序
B.4 实数编码的蚁群算法源程序
参考文献
猜您喜欢
