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

智能優化演算法及應用(人工智慧系列規劃教材)

  • 作者：編者:李整//秦金磊//王曉霞|責編:馬曉仟//楊玉瑤
  • 出版社：北京郵電大學
  • ISBN：9787563576630
  • 出版日期：2025/09/01
  • 裝幀：平裝
  • 頁數：246
人民幣：RMB 49 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    計算智能作為人工智慧的重要研究領域，通過模擬自然進化和生物智能來求解複雜最優化問題。
    本書共包含8章內容。第1章介紹了最優化問題的概念及主要分類。第2?3章為進化計算部分，以遺傳演算法和差分進化演算法為代表，介紹了演算法原理、實現流程及關鍵技術，並給出了應用實例。第4?6章為群體智能部分，以粒子群優化演算法、人工魚群演算法和蟻群優化演算法為代表，闡述了演算法原理，給出了應用實例，並介紹了演算法的各種改進方式。第7章闡述了多目標優化問題及其求解方法。第8章為人工神經網路部分，介紹了BP神經網路、Elman神經網路等，並給出了具體應用實例。
    本書的特色在於巧妙地將智能演算法的基本原理與生活、生產實際場景中的最優化問題求解相結合。本書可作為電腦類專業的教材，同時可作為理工科研究生和科研人員的參考用書。
作者介紹
編者:李整//秦金磊//王曉霞|責編:馬曉仟//楊玉瑤
目錄
第1章  最優化問題概述
  1.1  最優化問題概述
  1.2  最優化問題的數學描述
  1.3  最優化問題的主要分類
  1.4  傳統優化演算法
  1.5  智能優化演算法
  1.6  如何學好智能優化演算法
第2章  遺傳演算法
  2.1  遺傳演算法的原理
  2.2  遺傳演算法的主要操作
    2.2.1  編碼
    2.2.2  適應度評價
    2.2.3  選擇
    2.2.4  交叉
    2.2.5  變異
  2.3  遺傳演算法的程序實現
    2.3.1  一元多峰函數求極值
    2.3.2  典型測試函數優化
  2.4  遺傳演算法的改進及發展
  2.5  遺傳演算法的應用
第3章  差分進化演算法
  3.1  差分進化演算法的原理
    3.1.1  總體流程
    3.1.2  主要步驟
    3.1.3  主要控制參數
  3.2  差分進化演算法的程序實現
    3.2.1  基本差分進化演算法求解一維多峰連續函數極值問題
    3.2.2  基本差分進化演算法求解二維多峰連續函數極值問題
    3.2.3  自適應差分進化演算法求解多維連續函數極值問題
    3.2.4  差分進化演算法求解Rastrigin函數
    3.2.5  差分進化演算法求解旅行商問題
    3.2.6  差分進化演算法求解指數擬合問題
  3.3  差分進化演算法的改進
    3.3.1  JDE演算法
    3.3.2  JADE演算法
    3.3.3  SHADE演算法
第4章  粒子群優化演算法
  4.1  粒子群優化演算法的原理
    4.1.1  基本粒子群優化演算法
    4.1.2  標準粒子群優化演算法
  4.2  粒子群優化演算法主要的控制參數
  4.3  粒子群優化演算法的程序實現
    4.3.1  一元多峰函數求最大值
    4.3.2  典型測試函數優化
  4.4  粒子群優化演算法的改進及發展
    4.4.1  離散粒子群優化演算法
    4.4.2  帶有慣性權重的粒子群優化演算法
    4.4.3  全面學習的粒子群優化演算法
    4.4.4  反向學習的粒子群優化演算法
  4.5  粒子群優化演算法的應用

第5章  人工魚群演算法
  5.1  人工魚群演算法的原理
    5.1.1  總體流程
    5.1.2  行為描述
    5.1.3  主要的控制參數
  5.2  人工魚群演算法的程序實現
    5.2.1  人工魚群演算法求解函數優化問題
    5.2.2  人工魚群演算法解決旅行商問題
  5.3  人工魚群演算法的改進
    5.3.1  MAFSA的改進策略
    5.3.2  MAFSA的程序實現
第6章  蟻群優化演算法
  6.1  蟻群優化演算法概述
  6.2  蟻群優化演算法的理論基礎
    6.2.1  螞蟻覓食機制
    6.2.2  蟻群優化演算法的模型
  6.3  蟻群優化演算法的流程
  6.4  蟻群優化演算法變體
    6.4.1  最大最小螞蟻系統演算法
    6.4.2  蟻群系統演算法
    6.4.3  多目標蟻群優化演算法
    6.4.4  量子蟻群優化演算法
  6.5  蟻群優化演算法求解旅行商問題
    6.5.1  旅行商問題
    6.5.2  演算法設計
    6.5.3  代碼實現
    6.5.4  運行結果
第7章  多目標優化問題及其求解方法
  7.1  多目標優化問題概述
  7.2  多目標優化問題
    7.2.1  多目標優化問題的數學模型
    7.2.2  多目標優化問題的求解方法
  7.3  多目標粒子群演算法的原理及流程
    7.3.1  多目標粒子群演算法的原理
    7.3.2  多目標粒子群演算法的流程
  7.4  多目標粒子群演算法的應用
  7.5  目標權重導向的多目標粒子群演算法設計
    7.5.1  外部檔案
    7.5.2  擁擠距離
    7.5.3  目標權重因子
    7.5.4  相關函數設計
    7.5.5  目標權重導向的多目標粒子群演算法的實現
  7.6  多目標人工魚群演算法
    7.6.1  多目標人工魚群演算法的原理及實現流程
    7.6.2  多目標人工魚群演算法的應用
第8章  人工神經網路
  8.1  神經網路概述
    8.1.1  神經網路的特點
    8.1.2  神經網路的發展
    8.1.3  神經網路的應用

  8.2  神經網路基本理論
    8.2.1  神經網路模型
    8.2.2  神經網路的結構
    8.2.3  神經網路的學習
  8.3  前饋型神經網路
    8.3.1  感知器
    8.3.2  BP神經網路
    8.3.3  RBF神經網路
  8.4  反饋型神經網路
    8.4.1  Hopfield神經網路
    8.4.2  Elman神經網路
    8.4.3  自組織映射神經網路
  8.5  神經網路的應用
    8.5.1  MATLAB實現
    8.5.2  應用實例
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