书籍详情
蚁群智能优化方法及其应用
作者：柯良军
出版社：清华大学出版社
出版时间：2017-04-01
ISBN：9787302465737
定价：¥59.00
购买这本书可以去
内容简介
本书在简要阐述智能优化方法相关理论的基础上，介绍了蚁群智能优化方法的基本原理与算法主要要素等基本内容。同时，介绍蚁群智能优化方法在旅行商问题、背包问题、定向问题、属性约简、卫星资源调度问题以及多目标组合优化问题等复杂组合优化问题的应用示例，详细阐述蚁群智能优化方法在具体应用中的的基本设计方法以及算法性能改善的有效途径。本书适合作为从事智能优化方法及其应用研究的相关科技工作者、专业技术人员的参考书，也可作为计算机学科、控制科学等专业研究生和高年级本科生学习蚁群智能优化方法的指导用书。
作者简介
作者简介：柯良军， 西安交通大学电信学院副教授，博士生导师。研究领域为复杂系统建模与优化、模式识别，主要包括资源调度、物流、多目标优化、鲁棒优化。主持国家自然科学基金等科研项目。研究成果在IEEE transaction on Cybernetics、 European Journal of Operational Research、Omega等国际权威期刊发表。
目录
目录
第1章绪章
1.1引言
1.2复杂性理论的基础知识
1.2.1算法的复杂度
1.2.2问题的复杂度
1.3智能优化方法概述
1.3.1常用的智能优化方法
1.3.2智能优化方法的一般框架
1.3.3智能优化方法分类
1.3.4智能优化方法的特点
1.4本书内容及组织
参考文献
第2章蚁群优化方法概述
2.1蚁群算法的思想起源
2.2蚁群算法的基本框架
2.3基本蚁群算法及其典型改进算法
2.3.1基本蚁群算法
2.3.2蚁群系统
2.3.3小蚂蚁系统
2.4蚁群算法研究现状
2.4.1蚁群算法的应用
2.4.2蚁群算法的改进
2.4.3蚁群算法的理论研究
2.5小结
参考文献
第3章旅行商问题
3.1引言
3.2算法描述
3.3算法随机模型与收敛性质分析
3.4参数设置和数值实验分析
3.4.1参数设置
3.4.2与其他改进蚁群算法的比较
3.5小结
参考文献
第4章多维背包问题
4.1问题描述
4.2现有算法回顾
4.3算法描述
4.3.1算法的基本思想
4.3.2信息素和启发信息的定义
4.3.3解的构造
4.3.4信息素的更新规则
4.3.5局部搜索
4.4信息素下界的选取
4.4.1Stützle和Hoos法的分析
4.4.2自适应方法
4.5实验分析
4.5.1解的评价
4.5.2参数选取
4.5.3性能分析
4.6小结
参考文献
第5章定向问题
5.1问题描述
5.2算法描述
5.2.1启发信息的定义
5.2.2解的构造
5.2.3信息素的更新规则
5.3差异量的性质
5.4平均差异量的计算
5.5实验分析
5.6小结
参考文献
第6章团队定向问题
6.1问题描述
6.2现有算法回顾
6.3算法描述
6.3.1信息素和启发信息的定义
6.3.2解的构造
6.3.3信息素的更新规则
6.3.4局部搜索
6.4实验分析
6.4.1参数设置
6.4.24种构造法的比较
6.4.3与其他算法的比较
6.5小结
参考文献
第7章属性约简
7.1问题描述
7.2现有算法回顾
7.3算法描述
7.3.1边模式蚁群算法
7.3.2团模式蚁群算法
7.3.3点模式蚁群算法
7.4实验分析
7.5小结
参考文献
第8章卫星资源调度问题
8.1问题描述
8.1.1卫星测控基本概念
8.1.2卫星测控资源调度
8.2卫星测控资源调度模型
8.2.1决策变量的选择
8.2.2约束条件的描述
8.2.3卫星测控资源调度数学模型
8.3卫星测控资源调度问题求解
8.3.1蚁群算法
8.3.2解的构造
8.3.3实验结果
8.4小结
参考文献
第9章旅游路线规划问题
9.1引言
9.2问题描述
9.3旅游路线规划问题的数学模型
9.4相关算法
9.4.1GLS（Guided Local Search）
9.4.2GRASP（Greedy Random Adaptive
Search Procedure）
9.4.3烟花算法
9.5蚁群算法及其分析
9.6小结
参考文献
第10章多目标组合优化问题
10.1引言
10.2多目标优化的基本概念
10.3基于分解的多目标蚁群算法
10.3.1MOEA/DACO求解MOKP
10.3.2MOEA/DACO求解MTSP
10.4与MOEA/DGA 在MOKP上的比较
10.4.1实验条件
10.4.2性能评价指标
10.4.3结果比较
10.5与BicriterionAnt在MTSP上的比较
10.5.1实验条件
10.5.2实验结果
10.6小结
参考文献
附录
第1章绪章
1.1引言
1.2复杂性理论的基础知识
1.2.1算法的复杂度
1.2.2问题的复杂度
1.3智能优化方法概述
1.3.1常用的智能优化方法
1.3.2智能优化方法的一般框架
1.3.3智能优化方法分类
1.3.4智能优化方法的特点
1.4本书内容及组织
参考文献
第2章蚁群优化方法概述
2.1蚁群算法的思想起源
2.2蚁群算法的基本框架
2.3基本蚁群算法及其典型改进算法
2.3.1基本蚁群算法
2.3.2蚁群系统
2.3.3小蚂蚁系统
2.4蚁群算法研究现状
2.4.1蚁群算法的应用
2.4.2蚁群算法的改进
2.4.3蚁群算法的理论研究
2.5小结
参考文献
第3章旅行商问题
3.1引言
3.2算法描述
3.3算法随机模型与收敛性质分析
3.4参数设置和数值实验分析
3.4.1参数设置
3.4.2与其他改进蚁群算法的比较
3.5小结
参考文献
第4章多维背包问题
4.1问题描述
4.2现有算法回顾
4.3算法描述
4.3.1算法的基本思想
4.3.2信息素和启发信息的定义
4.3.3解的构造
4.3.4信息素的更新规则
4.3.5局部搜索
4.4信息素下界的选取
4.4.1Stützle和Hoos法的分析
4.4.2自适应方法
4.5实验分析
4.5.1解的评价
4.5.2参数选取
4.5.3性能分析
4.6小结
参考文献
第5章定向问题
5.1问题描述
5.2算法描述
5.2.1启发信息的定义
5.2.2解的构造
5.2.3信息素的更新规则
5.3差异量的性质
5.4平均差异量的计算
5.5实验分析
5.6小结
参考文献
第6章团队定向问题
6.1问题描述
6.2现有算法回顾
6.3算法描述
6.3.1信息素和启发信息的定义
6.3.2解的构造
6.3.3信息素的更新规则
6.3.4局部搜索
6.4实验分析
6.4.1参数设置
6.4.24种构造法的比较
6.4.3与其他算法的比较
6.5小结
参考文献
第7章属性约简
7.1问题描述
7.2现有算法回顾
7.3算法描述
7.3.1边模式蚁群算法
7.3.2团模式蚁群算法
7.3.3点模式蚁群算法
7.4实验分析
7.5小结
参考文献
第8章卫星资源调度问题
8.1问题描述
8.1.1卫星测控基本概念
8.1.2卫星测控资源调度
8.2卫星测控资源调度模型
8.2.1决策变量的选择
8.2.2约束条件的描述
8.2.3卫星测控资源调度数学模型
8.3卫星测控资源调度问题求解
8.3.1蚁群算法
8.3.2解的构造
8.3.3实验结果
8.4小结
参考文献
第9章旅游路线规划问题
9.1引言
9.2问题描述
9.3旅游路线规划问题的数学模型
9.4相关算法
9.4.1GLS（Guided Local Search）
9.4.2GRASP（Greedy Random Adaptive
Search Procedure）
9.4.3烟花算法
9.5蚁群算法及其分析
9.6小结
参考文献
第10章多目标组合优化问题
10.1引言
10.2多目标优化的基本概念
10.3基于分解的多目标蚁群算法
10.3.1MOEA/DACO求解MOKP
10.3.2MOEA/DACO求解MTSP
10.4与MOEA/DGA 在MOKP上的比较
10.4.1实验条件
10.4.2性能评价指标
10.4.3结果比较
10.5与BicriterionAnt在MTSP上的比较
10.5.1实验条件
10.5.2实验结果
10.6小结
参考文献
附录
猜您喜欢
