注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁出版圖書科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)人工智能蟻群算法原理及其應(yīng)用

蟻群算法原理及其應(yīng)用

蟻群算法原理及其應(yīng)用

定 價(jià):¥48.00

作 者: 段海濱著
出版社: 科學(xué)出版社
叢編項(xiàng):
標(biāo) 簽: 智能控制 算法

ISBN: 9787030162045 出版時(shí)間: 2005-12-01 包裝: 精裝
開本: 16開 頁數(shù): 447 字?jǐn)?shù):  

內(nèi)容簡介

本書系統(tǒng)、深入地介紹了蟻群算法的原理及其應(yīng)用,力圖概括國內(nèi)外在這一學(xué)術(shù)領(lǐng)域的最新研究進(jìn)展。全書共包括10章,主要內(nèi)容包括蟻群算法的思想起源、研究現(xiàn)狀及機(jī)制原理;蟻群算法的復(fù)雜度分析;蟻群算法的收斂性證明;蟻群算法參數(shù)對(duì)其性能的影響;蟻群算法的參數(shù)選擇原則;離散域和連續(xù)域蟻群算法的若干改進(jìn)策略;蟻群算法在多個(gè)優(yōu)化領(lǐng)域的典型應(yīng)用;蟻群算法的硬件實(shí)現(xiàn)技術(shù);蟻群算法與其他仿生優(yōu)化算法的比較與融合;蟻群算法的研究展望;最后還在附錄部分給出了基本蟻群算法的程序源代碼和相關(guān)網(wǎng)站。 本書內(nèi)容取材新穎,覆蓋面較廣,深入淺出,系統(tǒng)性強(qiáng),注重理論聯(lián)系實(shí)際,力求使讀者能較快掌握和應(yīng)用這一新興的仿生優(yōu)化算法。 本書可作為計(jì)算機(jī)科學(xué)、控制科學(xué)、人工智能、管理科學(xué)等專業(yè)高年級(jí)本科生、研究生和教師的參考書,也可供理工科其他專業(yè)的師生參考,還可供利用計(jì)算機(jī)從事智能優(yōu)化的科技人員閱讀和參考。

作者簡介

暫缺《蟻群算法原理及其應(yīng)用》作者簡介

圖書目錄

第1章  緒論
1.1 引言
1.2 螞蟻的生物學(xué)特征
1.3 蟻群算法的思想起源
1.4 蟻群算法的研究進(jìn)展
1.5 本書的體系結(jié)構(gòu)
1.6 本章小結(jié)
參考文獻(xiàn)
第2章  基本蟻群算法原理及其復(fù)雜度分析
2.1 引言
2.2 基本蟻群算法的原理
2.3 基本蟻群算法的系統(tǒng)學(xué)特征
2.4 基本蟻群算法的數(shù)學(xué)模型
2.5 基本蟻群算法的具體實(shí)現(xiàn)
2.6 基本蟻群算法的復(fù)雜度分析
2.7 基本蟻群算法的性能評(píng)價(jià)指標(biāo)
2.8 本章小結(jié)
參考文獻(xiàn)
第3章  蟻群算法的收斂性研究
3.1 引言
3.2 圖搜索螞蟻系統(tǒng)(GBAS)的收斂性研究
3.3 一類改進(jìn)蟻群算法的收斂性證明
3.4 GBAS/tdev和GBAS/tdlb的確定性收斂證明
3.5 基本蟻群算法的A.S.收斂性研究
3.6 一類分布式螞蟻路由算法的收斂性研究
3.7 基于分支路由和Wiener過程的蟻群算法收斂性研究
3.8 一種簡單蟻群算法及其收斂性分析
3.9 遺傳-蟻群算法的Markov收斂性分析
3.10 一類廣義蟻群算法(GACA)的收斂性分析
3.11 本章小結(jié)
參考文獻(xiàn)
第4章  蟻群算法的實(shí)驗(yàn)分析及參數(shù)選擇原則
4.1 引言
4.2 蟻群行為和參數(shù)對(duì)算法性能影響的實(shí)驗(yàn)分析
4.3 蟻群算法參數(shù)最優(yōu)組合的“三步走”方法
4.4 本章小結(jié)
參考文獻(xiàn)
第5章  離散域蟻群算法的改進(jìn)研究
5.1 引言
5.2 自適應(yīng)蟻群算法
5.3 基于去交叉局部優(yōu)化策略的蟻群算法
5.4 基于信息素?cái)U(kuò)散的蟻群算法
5.5 多態(tài)蟻群算法
5.6 基于模式學(xué)習(xí)的小窗口蟻群算法
5.7 基于混合行為的蟻群算法
5.8 帶聚類處理的蟻群算法
5.9 基于云模型理論的蟻群算法
5.10 具有感覺和知覺特征的蟻群算法
5.11 具有隨機(jī)擾動(dòng)特性的蟻群算法
5.12 基于信息熵的改進(jìn)蟻群算法
5.13 本章小結(jié)
第6章  連續(xù)域蟻群算法的改進(jìn)研究
6.1 引言
6.2 基于網(wǎng)格劃分策略的連續(xù)域蟻群算法
6.3 基于信息量分布函數(shù)的連續(xù)域蟻群算法
6.4 連續(xù)域優(yōu)化問題的自適應(yīng)蟻群算法
6.5 基于交叉變異操作的連續(xù)域蟻群算法
6.6 嵌入確定性搜索的連續(xù)域蟻群算法
6.7 基于密集非遞階的連續(xù)交互式蟻群算法(CIACA)
6.8 多目標(biāo)優(yōu)化問題的連續(xù)域蟻群算法
6.9 復(fù)雜多階段連續(xù)決策問題的動(dòng)態(tài)窗口蟻群算法
6.10 本章小結(jié)
參考文獻(xiàn)
第7章  蟻群算法的典型應(yīng)用
7.1 引言
7.2 車間作調(diào)度問題
7.3 網(wǎng)絡(luò)路由問題
7.4 車輛路徑問題
7.5 機(jī)器人領(lǐng)域
7.6 電力系統(tǒng)
7.7 故障診斷
7.8 控制參數(shù)優(yōu)化
7.9 系統(tǒng)辨識(shí)
7.10 聚類分析
7.11 數(shù)據(jù)挖掘
7.12 圖像處理
7.13 航跡規(guī)劃
7.14 空戰(zhàn)決策
7.15 巖土工程
7.16 化學(xué)工業(yè)
7.17 生命科學(xué)
7.18 布局優(yōu)化
7.19 本章小結(jié)
參考文獻(xiàn)
第8章  蟻群算法的硬件實(shí)現(xiàn)
8.1 引言
8.2 仿生硬件概述
8.3 基于FPGA的蟻群算法硬件實(shí)現(xiàn)
8.4 基于蟻群算法和遺傳算法動(dòng)態(tài)融合的軟硬件劃分
8.5 本章小結(jié)
參考文獻(xiàn)
第9章  蟻群算法同其他仿生優(yōu)化算法的比較與融合
9.1 引言
9.2 其他幾種仿生優(yōu)化算法的基本原理
9.3 蟻群算法與其他仿生優(yōu)化算法的異同比較
9.4 蟻群算法與遺傳算法的融合
9.5 蟻群算法與人工神經(jīng)網(wǎng)絡(luò)的融合
9.6 蟻群算法與微粒群算法的融合
9.7 蟻群算法與人工免疫算法的融合
9.8 本章小結(jié)
參考文獻(xiàn)
第10章  展望
10.1 引言
10.2 蟻群算法的模型改進(jìn)
10.3 蟻群算法的理論分析
10.4 蟻群算法的并行實(shí)現(xiàn)
10.5 蟻群算法的應(yīng)用領(lǐng)域
10.6 蟻群算法的硬件實(shí)現(xiàn)
10.7 蟻群算法的智能融合
10.8 本章小結(jié)
參考文獻(xiàn)
附錄A 基本蟻群算法程序
A.1 C語言版
A.2 Matlab語言版
A.3 Visual Basic語言版
附錄B 相關(guān)網(wǎng)站
附錄C 基本術(shù)語(中英文對(duì)照)及縮略語
附錄D (詞一首)鷓鴣天.蟻群算法

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號(hào) 鄂公網(wǎng)安備 42010302001612號(hào)