群體智能導論(高等學校電腦專業系列教材)

作者：譚營|責編:龍啟銘//王玉梅
出版社：清華大學
ISBN：9787302677000

出版日期：2024/12/01
裝幀：平裝
頁數：283

人民幣：RMB 59 元售價：元

內容大鋼

本書系統介紹群體智能的基本概念、主要方法與演算法及其典型應用，首先簡要介紹了有關群體智能的基本概念、研究現狀與未來發展以及一般最優化問題及典型方法；其次重點介紹了三種典型的群體智能優化演算法——粒子群優化、蟻群優化和煙花演算法；然後介紹了多種新型群體智能優化演算法和基於群體的進化計算方法，這些覆蓋了更為廣泛的新型方法；之後專門介紹了基於圖形處理器（GPU）的群體智能優化演算法的並行實現，以此加速群體優化演算法並促進群體智能優化演算法在廣泛實際領域中的應用；接著還介紹了群體智能演算法的一些典型應用實例；最後介紹了群體機器人，它是群體智能與機器人學相結合的產物。是群體智能的最成功落地應用之一。
本書可以作為高等院校智能科學與技術、人工智慧、電腦科學與技術、控制與自動化、數據科學、物聯網技術、信息技術等專業的高年級本科生和研究生的教材，也可作為相關專業科研人員、工程技術人員和對群體智能感興趣讀者的參考書。

作者介紹

譚營|責編:龍啟銘//王玉梅

第1章  緒論
  1.1  自然計算
  1.2  什麼是群體智能
  1.3  群體智能研究的意義
  1.4  常見的群體智能演算法
  1.5  群體智能的典型應用
  1.6  群體智能研究的發展前景
  本章參考文獻
第2章  最優化問題與方法
  2.1  最優化問題
    2.1.1  定義
    2.1.2  凸性
    2.1.3  梯度、方嚮導數和海森矩陣
  2.2  無約束優化
    2.2.1  最速下降法
    2.2.2  牛頓法
    2.2.3  Levenberg-Marquardt方法
    2.2.4  DFP方法
    2.2.5  BFGS方法
    2.2.6  鮑威爾方法
    2.2.7  Nelder-Mead演算法
  2.3  約束優化
    2.3.1  最優性條件
    2.3.2  懲罰函數法
    2.3.3  增廣拉格朗日乘子法
    2.3.4  順序二次規劃
    2.3.5  可行方向法
  2.4  多目標優化
    2.4.1  加權總和法
    2.4.2  ε-約束方法
    2.4.3  目標規劃法
    2.4.4  效用函數法
  2.5  動態優化
    2.5.1  動態優化問題的定義
    2.5.2  動態環境類型
    2.5.3  基準測試問題示例
  2.6  組合優化
    2.6.1  分配問題
    2.6.2  背包問題
    2.6.3  整數規劃
  本章小結
  習題
  本章參考文獻
第3章  粒子群優化
  3.1  引言
  3.2  基本粒子群優化
    3.2.1  全局最佳粒子群優化
    3.2.2  局部最佳粒子群優化
    3.2.3  gbest PSO與lbest PSO的比較
    3.2.4  速度成分

    3.2.5  幾何描述
    3.2.6  社會網路結構
    3.2.7  演算法的其他部分
  3.3  粒子軌跡
    3.3.1  簡化PSO模型的粒子軌跡
    3.3.2  軌跡示例
  3.4  收斂性證明
    3.4.1  局部收斂性
    3.4.2  全局收斂性
  3.5  單解與多解粒子群優化
    3.5.1  單解粒子群優化
    3.5.2  多解粒子群優化
  3.6  粒子群優化的典型處理機制
    3.6.1  速度鉗制
    3.6.2  慣性權重
    3.6.3  約束係數
    3.6.4  同步更新和非同步更新
  3.7  粒子群優化用於求解約束優化問題
    3.7.1  剔除不可行解
    3.7.2  懲罰函數
    3.7.3  轉換為非約束問題
    3.7.4  修復方法
  3.8  粒子群優化用於求解多目標優化問題
    3.8.1  動態鄰域多目標優化演算法
    3.8.2  向量評估遺傳演算法
    3.8.3  多目標粒子群優化演算法
  3.9  動態環境下的粒子群優化
    3.9.1  影響PSO在動態環境下效率的因素
    3.9.2  動態環境的PSO方法
    3.9.3  動態環境的性能度量
  3.10  離散粒子群優化
    3.10.1  二元PSO
    3.10.2  一般的離散PSO
  3.11  典型應用舉例
    3.11.1  單目標優化函數
    3.11.2  神經網路
  本章小結
  習題
  本章參考文獻
第4章  蟻群優化
  4.1  基本蟻群優化
    4.1.1  簡單蟻群優化
    4.1.2  螞蟻系統
    4.1.3  蟻群系統
    4.1.4  最大最小螞蟻系統
  4.2  蟻群優化演算法的一般框架
    4.2.1  蟻群優化元啟發
    4.2.2  螞蟻系統元啟發
    4.2.3  螞蟻規劃
    4.2.4  蟻群優化演算法的特點

  4.3  單種群的蟻群優化
    4.3.1  帶信息素排斥的蟻群優化
    4.3.2  帶候選集的蟻群優化
    4.3.3  帶局部優化解的蟻群優化
    4.3.4  基於群體的蟻群優化
  4.4  多種群的蟻群優化
    4.4.1  單目標問題
    4.4.2  多目標問題
  4.5  混合蟻群優化
    4.5.1  引入局部搜索
    4.5.2  引入禁忌搜索
    4.5.3  引入遺傳演算法
    4.5.4  引入集束搜索
  4.6  蟻群優化的收斂性
  4.7  蟻群優化的集體決策
    4.7.1  外激勵
    4.7.2  人工信息素
    4.7.3  變態分層結構
  4.8  多目標蟻群優化
    4.8.1  多目標優化問題及相關概念定義
    4.8.2  基於帕累托的方法
    4.8.3  指標函數法
    4.8.4  目標分解法
  4.9  動態環境下的蟻群優化
  4.10  典型應用案例
    4.10.1  旅行商問題
    4.10.2  多背包問題
  本章小結
  習題
  本章參考文獻
第5章  煙花演算法
  5.1  基本煙花演算法
    5.1.1  爆炸運算元
    5.1.2  變異運算元
    5.1.3  映射規則
    5.1.4  選擇策略
    5.1.5  基本煙花演算法特點分析
  5.2  煙花演算法的收斂性與穩定性分析
    5.2.1  隨機模型
    5.2.2  全局收斂性
    5.2.3  時間複雜度的基本理論
    5.2.4  時間複雜度分析
  5.3  增強煙花演算法和動態搜索煙花演算法
    5.3.1  增強煙花演算法
    5.3.2  動態搜索煙花演算法
    5.3.3  實驗
    5.3.4  小結
  5.4  引導煙花演算法
    5.4.1  引導煙花演算法概述
    5.4.2  實驗

  5.5  協同框架煙花演算法
  5.6  敗者退出煙花演算法
    5.6.1  敗者退出機制
    5.6.2  實驗
  5.7  其他改進型煙花演算法
    5.7.1  煙花演算法的改進
    5.7.2  煙花演算法與其他演算法的混合
  5.8  多目標煙花演算法
    5.8.1  基本概念
    5.8.2  施肥問題
    5.8.3  多目標煙花演算法概述
    5.8.4  實驗和討論
    5.8.5  小結
  5.9  離散煙花演算法
    5.9.1  旅行商問題
    5.9.2  離散煙花演算法概述
    5.9.3  實驗結果及其分析
    5.9.4  小結
  5.10  煙花演算法典型應用舉例——垃圾郵件檢測演算法參數優化
  本章小結
  習題
  本章參考文獻
第6章  新型的群體智能優化演算法
  6.1  演算法分類
  6.2  人工蜂群演算法
  6.3  螢火蟲演算法
  6.4  布穀鳥搜索演算法
  6.5  頭腦風暴演算法
  6.6  魚群演算法
  6.7  磷蝦群演算法
  6.8  細菌覓食演算法
  6.9  其他SI演算法簡述
  6.10  實驗對比
    6.10.1  人工蜂群演算法
    6.10.2  螢火蟲演算法
    6.10.3  布穀鳥搜索演算法
    6.10.4  頭腦風暴演算法
    6.10.5  魚群演算法
  本章小結
  習題
  本章參考文獻
第7章  基於群體的進化計算方法
  7.1  進化計算方法分類與介紹
    7.1.1  進化計算
    7.1.2  進化計算方法分類
  7.2  遺傳演算法
    7.2.1  遺傳演算法概述
    7.2.2  交叉運算元
    7.2.3  變異運算元
    7.2.4  選擇運算元

    7.2.5  變體與應用
  7.3  遺傳演算法的收斂性
    7.3.1  交叉運算元對模式的作用
    7.3.2  變異運算元對模式的作用
    7.3.3  選擇運算元對模式的作用
    7.3.4  模式定理
  7.4  遺傳編程
    7.4.1  基於樹的基因表示
    7.4.2  初始化和適應度評估
    7.4.3  交叉運算元
    7.4.4  變異運算元
    7.4.5  積木塊遺傳規劃
    7.4.6  應用
  7.5  進化策略
    7.5.1  基本進化策略
    7.5.2  策略參數和自適應
    7.5.3  進化策略運算元
    7.5.4  進化策略變種與應用
  7.6  差分進化
    7.6.1  一般差分進化
    7.6.2  差分進化實現方式與變種
    7.6.3  應用
  7.7  文化演算法
    7.7.1  基本文化演算法
    7.7.2  信念空間
    7.7.3  文化演算法的變體
    7.7.4  應用
  7.8  協同進化
    7.8.1  協同進化類型
    7.8.2  競爭協同演算法
    7.8.3  協作協同演算法
  本章小結
  習題
  本章參考文獻
第8章  基於GPU群體智能演算法的並行實現
  8.1  GPU介紹
  8.2  GPU通用計算
  8.3  基於GPU的粒子群優化演算法
    8.3.1  粒子群優化演算法
    8.3.2  GPU的單目標優化PSO
    8.3.3  實驗結果和討論
  8.4  基於GPU的煙花演算法
    8.4.1  傳統煙花演算法
    8.4.2  基於GPU的煙花演算法
    8.4.3  實現
    8.4.4  實驗
  8.5  基於GPU的遺傳演算法
    8.5.1  遺傳演算法
    8.5.2  GPU實現
  8.6  其他演算法的並行實現介紹

    8.6.1  基於GPU的差分進化演算法
    8.6.2  基於GPU的蟻群演算法
  本章小結
  習題
  本章參考文獻
第9章  群體智能演算法的應用
  9.1  應用分類
  9.2  聚類分析
    9.2.1  聚類分析簡介
    9.2.2  基於蟻群演算法的聚類分析
    9.2.3  基於粒子群優化演算法的聚類分析
    9.2.4  基於煙花演算法的文檔聚類分析
  9.3  非負矩陣分解
    9.3.1  引言
    9.3.2  相關工作
    9.3.3  低秩估計——NMF演算法
    9.3.4  基於群體智能演算法的非負矩陣分解演算法
  9.4  路徑規劃
    9.4.1  基於蟻群演算法的TSP求解
    9.4.2  基於粒子群優化演算法的TSP求解
    9.4.3  基於煙花演算法的TSP求解
  9.5  神經網路訓練
    9.5.1  群體智能演算法優化神經網路結構
    9.5.2  群體智能演算法優化神經網路超參數
    9.5.3  群體智能演算法優化神經網路參數
  9.6  博弈學習
    9.6.1  博弈學習簡介
    9.6.2  基於協同進化演算法的博弈學習
    9.6.3  基於粒子群優化演算法的協同博弈進化訓練
  9.7  子集問題
    9.7.1  子集問題簡介
    9.7.2  基於蟻群演算法求解子集問題
    9.7.3  利用遺傳演算法求解子集問題
  9.8  分組問題
    9.8.1  分組問題的定義
    9.8.2  利用遺傳演算法求解分組問題——分組遺傳演算法
    9.8.3  分組問題的應用和分類
  9.9  物流規劃
    9.9.1  貨物裝載問題
    9.9.2  路徑規劃問題
    9.9.3  配單問題
    9.9.4  最優調度問題
  9.10  混雜應用
    9.10.1  路由設計
    9.10.2  集群模擬
    9.10.3  群體預測
    9.10.4  藝術創作
  本章小結
  習題
  本章參考文獻

第10章  群體機器人
  10.1  概論
    10.1.1  生物群體
    10.1.2  群體機器人系統
    10.1.3  群體機器人的研究現狀
  10.2  群體機器人的基礎模型
  10.3  群體機器人系統模型
    10.3.1  群體機器人系統的基礎模型
    10.3.2  群體機器人的建模方法
    10.3.3  群體機器人的協同方式
  10.4  群體機器人設計
    10.4.1  群體機器人設計方法概述
    10.4.2  基於行為的設計方法
    10.4.3  基於學習的設計方法
    10.4.4  小結
  10.5  群體機器人演算法
    10.5.1  群體機器人演算法基本特性
    10.5.2  群體機器人演算法分類
    10.5.3  群體機器人演算法舉例
  10.6  群體機器人的模擬平台與硬體項目
    10.6.1  群體機器人的模擬平台
    10.6.2  群體機器人的硬體項目
  10.7  群體機器人的應用
    10.7.1  群體機器人的應用範圍
    10.7.2  群體機器人的應用實例
  本章小結
  習題
  本章參考文獻

同類熱銷排行榜

最近瀏覽的商品

群體智能導論(高等學校電腦專業系列教材)