幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

智能優化演算法改進(從入門到MATLAB\Python編程實踐)

  • 作者：編者:陳克偉//魏曙光//范旭|責編:王秋陽
  • 出版社：清華大學
  • ISBN：9787302697091
  • 出版日期：2025/08/01
  • 裝幀：平裝
  • 頁數：313
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以粒子群演算法為切入點，系統介紹多種常用的智能演算法改進策略與思路，旨在幫助讀者掌握優化演算法的改進方法。讀者可結合具體問題，參考本書為不同智能優化演算法篩選並應用合適的改進策略。同時，本書特別呈現了多種相對複雜的改進粒子群演算法實例，供讀者深入學習和借鑒。書中所有演算法均提供MATLAB和Python雙語實現，方便不同語言背景的讀者參考。
    全書共分7章：第1章詳解粒子群演算法原理及其編程實現；第2章闡釋智能優化演算法基準測試集；第3章介紹智能優化演算法評價指標；第4章探討混沌映射理論；第5章展示基於混沌映射理論的演算法改進；第6章分析基於隨機變異改進的粒子群演算法；第7章研究多策略改進的粒子群演算法。
    本書既適合作為本科生、研究生及相關課程教師的學慣用書，也適合廣大相關科研工作者與工程技術人員作為參考工具。
作者介紹
編者:陳克偉//魏曙光//范旭|責編:王秋陽
目錄
第1章  粒子群演算法原理及其編程實現
  1.1  粒子群演算法的基本原理
  1.2  粒子演算法的MATLAB實現
    1.2.1  種群初始化
    1.2.2  適應度函數
    1.2.3  邊界檢查和約束函數
    1.2.4  粒子群演算法代碼
  1.3  粒子群演算法的Python實現
    1.3.1  種群初始化
    1.3.2  適應度函數
    1.3.3  邊界檢查和約束函數
    1.3.4  粒子群演算法代碼
  1.4  基於粒子群演算法的函數尋優
    1.4.1  問題描述
    1.4.2  適應度函數設計
    1.4.3  主函數設計
第2章  智能優化演算法基準測試集
  2.1  基準測試集簡介
  2.2  基準測試函數繪圖以及測試函數代碼編寫
    2.2.1  F1函數
    2.2.2  F2函數
    2.2.3  F3函數
    2.2.4  F4函數
    2.2.5  F5函數
    2.2.6  F6函數
    2.2.7  F7函數
    2.2.8  F8函數
    2.2.9  F9函數
    2.2.10  F10函數
    2.2.11  F11函數
    2.2.12  F12函數
    2.2.13  F13函數
    2.2.14  F14函數
    2.2.15  F15函數
    2.2.16  F16函數
    2.2.17  F17函數
    2.2.18  F18函數
    2.2.19  F19函數
    2.2.20  F20函數
    2.2.21  F21函數
    2.2.22  F22函數
    2.2.23  F23函數
第3章  智能優化演算法評價指標
  3.1  平均值
  3.2  標準差
  3.3  最優值和最差值
  3.4  Wilcoxon秩和檢驗
  3.5  Friedman秩和檢驗
  3.6  收斂曲線
第4章  混沌映射理論

  4.1  Chebyshev混沌映射
    4.1.1  基本原理
    4.1.2  代碼實現
  4.2  Circle混沌映射
    4.2.1  基本原理
    4.2.2  代碼實現
  4.3  Gauss混沌映射
    4.3.1  基本原理
    4.3.2  代碼實現
  4.4  Iterative混沌映射
    4.4.1  基本原理
    4.4.2  代碼實現
  4.5  Logistic混沌映射
    4.5.1  基本原理
    4.5.2  代碼實現
  4.6  Piecewise混沌映射
    4.6.1  基本原理
    4.6.2  代碼實現
  4.7  Sine混沌映射
    4.7.1  基本原理
    4.7.2  代碼實現
  4.8  Singer混沌映射
    4.8.1  基本原理
    4.8.2  代碼實現
  4.9  Sinusoidal混沌映射
    4.9.1  基本原理
    4.9.2  代碼實現
  4.10  Tent混沌映射
    4.10.1  基本原理
    4.10.2  代碼實現
  4.11  Fuch混沌映射
    4.11.1  基本原理
    4.11.2  代碼實現
  4.12  SPM混沌映射
    4.12.1  基本原理
    4.12.2  代碼實現
  4.13  ICMIC混沌映射
    4.13.1  基本原理
    4.13.2  代碼實現
  4.14  Tent-Logistic-Cosine混沌映射
    4.14.1  基本原理
    4.14.2  代碼實現
  4.15  Logistic-Sine-Cosine混沌映射
    4.15.1  基本原理
    4.15.2  代碼實現
  4.16  Sine-Tent-Cosine混沌映射
    4.16.1  基本原理
    4.16.2  代碼實現
  4.17  Henon混沌映射
    4.17.1  基本原理

    4.17.2  代碼實現
  4.18  Cubic混沌映射
    4.18.1  基本原理
    4.18.2  代碼實現
  4.19  Logistic-Tent混沌映射
    4.19.1  基本原理
    4.19.2  代碼實現
  4.20  Bernoulli混沌映射
    4.20.1  基本原理
    4.20.2  代碼實現
第5章  基於混沌映射理論的演算法改進
  5.1  種群初始化改進
    5.1.1  基於混沌映射改進種群初始化的粒子群演算法
    5.1.2  基於混沌映射改進種群初始化的粒子群演算法的尋優求解
  5.2  種群內部擾動
    5.2.1  基於混沌映射改進的粒子群演算法
    5.2.2  基於混沌映射改進的粒子群演算法的尋優求解
第6章  基於隨機變異改進的粒子群演算法
  6.1  基於高斯變異改進的粒子群演算法
    6.1.1  高斯變異
    6.1.2  基於高斯變異改進的粒子群演算法代碼實現
  6.2  基於柯西變異改進的粒子群演算法
    6.2.1  柯西變異
    6.2.2  基於柯西變異改進的粒子群演算法代碼實現
  6.3  基於t分佈變異改進的粒子群演算法
    6.3.1  t分佈變異
    6.3.2  基於t分佈變異改進的粒子群演算法代碼實現
  6.4  基於反向學習改進的粒子群演算法
    6.4.1  反向學習策略
    6.4.2  基於反向學習改進的粒子群演算法代碼實現
  6.5  基於透鏡反向學習改進的粒子群演算法
    6.5.1  透鏡反向學習策略
    6.5.2  基於透鏡反向學習改進的粒子群演算法代碼實現
  6.6  基於Levy飛行改進的粒子群演算法
    6.6.1  Levy飛行
    6.6.2  基於Levy飛行改進的粒子群演算法代碼實現
  6.7  基於隨機變異改進的粒子群演算法測試
    6.7.1  函數封裝
    6.7.2  代碼實現
    6.7.3  尋優求解
第7章  多策略改進的粒子群演算法
  7.1  曲線遞增策略的自適應粒子群演算法
    7.1.1  曲線遞增策略
    7.1.2  代碼實現
    7.1.3  尋優求解對比
  7.2  加權變異的粒子群演算法
    7.2.1  自適應權重和自適應學習因子
    7.2.2  加權變異
    7.2.3  高斯擾動
    7.2.4  代碼實現

    7.2.5  尋優求解對比
  7.3  具備自糾正和逐維學習能力的粒子群演算法
    7.3.1  糾正策略
    7.3.2  Pbest指導Gbest的逐維學習策略
    7.3.3  具備自糾正和逐維學習能力的粒子群演算法
    7.3.4  代碼實現
    7.3.5  尋優求解對比
  7.4  基於競爭學習的粒子群優化演算法
    7.4.1  競爭學習機制
    7.4.2  代碼實現
    7.4.3  尋優求解對比
  7.5  基於緊湊度和調度處理的粒子群優化演算法
    7.5.1  緊湊度
    7.5.2  粒子調度處理的方法
    7.5.3  代碼實現
    7.5.4  尋優求解對比
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032