智能算法导论

　　智能算法是在进化计算、模糊逻辑、神经网络三个分支发展相对成熟的基础上，通过相互之间的有机融合进而形成的新的科学方法，也是智能理论和技术发展的崭新阶段。该书对智能算法的前沿领域进行了详细论述，主要内容包括遗传算法、免疫算法、Memetic算法、粒子群算法、蚁群算法、狼群算法、人工蜂群算法、细菌觅食优化算法、分布估计算法、差分进化算法、模拟退火算法、贪心算法、雨滴算法、禁忌搜索算法、量子算法、A*算法、神经网络算法、深度学习算法、强化学习及混合智能算法。《智能算法导论》着重对上述领域的国内外发展现状进行总结，阐述编者对相关领域未来发展的思考。该书可以为计算机科学、信息科学、人工智能自动化技术等领域从事自然计算、机器学习、图像处理研究的相关专业技术人员提供参考，也可以作为相关专业研究生和高年级本科生教材。

　　尚荣华 博士，教授，博士生导师，IEEE 会员，教育部重点实验室骨干成员，教育部创新团队骨干成员，国家 “111计划” 创新引智基地骨干成员，校 “智能信息处理优秀创新团队” 骨干成员。一直致力于智能感知与自然计算、类脑计算与大数据的学习、优化与应用研究。发表论文100余篇，其中SCI检索80余篇，IEEE期刊16篇。Google Scholar引用2007次，单篇z高168次。主持了包括2项国家自然科学基金面上在内的10余项科研项目。授权国家发明专利20余项，出版专著6部。

第1章 遗传算法
1．1 遗传算法起源
1．1．1 遗传算法生物学基础
1．1．2 遗传算法发展历程
1．2 遗传算法实现
1．2．1 遗传算法流程
1．2．2 重要参数
1．3 基于遗传算法的组合优化
1．3．1 基于遗传算法的TTP问题
1．3．2 基于遗传算法的旅行商问题
1．3．3 基于遗传算法的0-1规划
1．4 基于遗传算法的图像处理
1．4．1 基于遗传算法的图像分割
1．4．2 基于遗传算法的图像增强
1．4．3 基于遗传算法的图像变化检测
1．5 基于遗传算法的社区检测
1．5．1 多目标遗传算法
1．5．2 遗传编码
1．5．3 Pareto最优解
参考文献
第2章 免疫算法
2．1 生物免疫系统与人工免疫系统
2．2 免疫算法实现
2．2．1 克隆选择算法
2．2．2 人工免疫系统模型
2．3 基于免疫算法的聚类分析
2．3．1 聚类问题
2．3．2 免疫进化方法
2．4 基于免疫算法的限量弧路由问题
2．4．1 限量弧路由问题模型
2．4．2 基于免疫协同进化的限量弧路由问题
参考文献
第3章 Memetic算法
3．1 Memetic算法发展历程
3．2 Memetic算法实现
3．2．1 Memetic算法流程
3．2．2 Memetic算法改进
3．2．3 Memetic算法研究分类
3．3 基于Memetic算法的社区检测
3．3．1 多目标Memetic优化算法
3．3．2 局部搜索
3．4 基于Memetic算法的限量弧路由问题
3．4．1 路由距离分组
3．4．2 子问题解的更替
3．4．3 基于分解的Memetic算法
参考文献
第4章 粒子群算法
4．1 粒子群算法起源
4．1．1 粒子群算法生物学基础
4．1．2 粒子群算法发展历程
4．2 粒子群算法实现
4．2．1 基本粒子群算法
4．2．2 改进粒子群算法
4．3 基于粒子群算法的图像处理
4．3．1 基于粒子群算法的图像分割
4．3．2 基于粒子群算法的图像分类
4．3．3 基于粒子群算法的图像匹配
4．4 基于粒子群算法的优化问题
4．4．1 基于粒子群算法的旅行商问题
4．4．2 基于粒子群算法的配送中心选址问题
4．4．3 基于粒子群算法的函数优化
参考文献
第5章 蚁群算法
5．1 蚁群算法起源
5．1．1 蚁群算法生物学基础
5．1．2 蚁群算法发展历程
5．2 蚁群算法实现
5．2．1 蚁群算法流程
5．2．2 离散域和连续域蚁群算法
……
第6章 狼群算法
第7章 人工蜂群算法
第8章 细菌觅食优化算法
第9章 分布估计算法
第10章 差分进化算法
第11章 模拟退火算法
第12章 贪心算法
第13章 雨滴算法
第14章 禁忌搜索算法
第15章 量子搜索与优化
第16章 量子粒子群优化
第17章 最小二乘法
第18章 A*算法
第19章 神经网络算法
第20章 深度学习算法
第21章 强化学习
第22章 混合智能算法