分布估計算法及其應(yīng)用

第1章 概述
1．1 智能優(yōu)化算法
1．2 智能優(yōu)化算法特點及分類
1．3 典型的優(yōu)化測試函數(shù)
1．3．1 無約束優(yōu)化函數(shù)
1．3．2 有約束優(yōu)化問題
1．4 分布估計算法的起源
1．5 分布估計算法的理論研究
1．6 分布估計算法的應(yīng)用
1．7 分布估計算法的研究熱點
1．8 本書的組織結(jié)構(gòu)
第2章 基本分布估計算法
2．1 一個簡單的分布估計算法例子
2．2 基于不同概率模型的分布估計算法
2．2．1 變量無關(guān)的分布估計算法
2．2．2 雙變量相關(guān)分布估計算法
2．2．3 多變量相關(guān)分布估計算法
2．2．4 基于概率模型的其他算法
2．3 連續(xù)域的分布估計算法
2．4 分布估計算法的MATLAB工具箱MATEDA-2．O
2．4．1 MATEDA-2．O的特點
2．4．2 MATEDA的安裝
2．4．3 MATEDA程序功能
2．4．4 數(shù)值例子
2．5 本章小結(jié)
第3章 解連續(xù)性優(yōu)化問題的改進(jìn)的正態(tài)分布的分布估計算法
3．1 正態(tài)分布的分布估計算法
3．2 改進(jìn)的正態(tài)分布的分布估計算法
3．3 數(shù)值仿真與分析
3．3．1 與均勻分布的分布估計算法比較
3．3．2 不同的m/N比例分析
3．4 本章小結(jié)
第4章 武器-目標(biāo)分配問題的分布估計算法及參數(shù)設(shè)計
4．1 武器-目標(biāo)分配問題
4．2 解武器目標(biāo)分配問題的改進(jìn)分布估計算法
4．3 算法測試及參數(shù)設(shè)計
4．4 本章小結(jié)
第5章 背包問題的分布估計算法
5．1 引言
5．2 背包問題各種形式的數(shù)學(xué)模型
5．3 解O-1背包問題的分布估計算法
5．4 數(shù)值仿真與分析
5．5 本章小結(jié)
第6章 求解可靠性優(yōu)化的分布估計算法
6．1 可靠性優(yōu)化問題
6．2 最優(yōu)冗余優(yōu)化模型及解法
6．3 解可靠性優(yōu)化問題的改進(jìn)分布估計算法
6．4 算例分析
6．5 本章小結(jié)
第7章 旅行商問題的分布估計算法
7．1 旅行商問題
7．1．1 標(biāo)準(zhǔn)旅行商問題
7．1．2 標(biāo)準(zhǔn)旅行商問題的數(shù)學(xué)模型
7．1．3 擴展TSP
7．1．4 TSP的解法
7．2 解旅行商問題的模擬退火算法
7．3 解旅行商問題的遺傳算法
7．4 解旅行商問題的蟻群算法
7．5 解旅行商問題的分布估計算法
7．6 解旅行商問題的改進(jìn)分布估計算法
7．7 實例分析
7．8 本章小結(jié)
第8章 基于分布估計算法解決集裝箱裝載問題
8．1 集裝箱裝載問題
8．2 啟發(fā)式規(guī)則
8．2．1 裝載策略
8．2．2 空間分割
8．2．3 空間合并
8．3 分布估計算法解決集裝箱裝載問題
8．3．1 編碼處理
8．3．2 評價適應(yīng)度函數(shù)
8．3．3 建立概率模型
8．3．4 算法實現(xiàn)流程
8．3．5 算法測試與結(jié)果對比
8．4 改進(jìn)分布估計算法解決集裝箱裝載問題
8．4．1 精英種群策略
8．4．2 變異操作
8．4．3 改進(jìn)分布估計算法實現(xiàn)流程
8．4．4 算法測試與結(jié)果對比
8．5 本章小結(jié)
第9章 分布估計算法在文本聚類中的應(yīng)用
9．1 聚類算法
9．1．1 劃分方法
9．1．2 層次方法
9．1．3 基于密度的聚類方法
9．1．4 基于模型的聚類方法
9．1．5 基于網(wǎng)格的聚類方法
9．2 文本聚類關(guān)鍵技術(shù)
9．2．1 文本間距離計算
9．2．2 文本的表示模型
9．2．3 文本預(yù)處理
9．3 文本語義相似度計算
9．3．1 關(guān)于《知網(wǎng)》
9．3．2 文本語義相似度的計算
9．4 本文的語義相似度計算
9．4．1 近義詞
9．4．2 文本相似度計算
9．5 語義相似度基礎(chǔ)上的K-均值聚類算法
9．5．1 問題描述
9．5．2 算法的實現(xiàn)
9．5．3 實驗結(jié)果比較
9．6 基于分布估計算法的文本聚類
9．6．1 分布估計算法聚類相關(guān)改進(jìn)
9．6．2 分布估計算法在聚類問題中的實現(xiàn)
9．6．3 實驗結(jié)果分析
9．7 禁忌搜索算法
9．7．1 禁忌搜索算法概述
9．7．2 TS算法的基本思想
9．7．3 禁忌搜索算法的流程
9．7．4 禁忌搜索算法的特點
9．8 分布估計算法和禁忌搜索算法融合聚類
9．8．1 聚類算法基本思想
9．8．2 聚類算法的實現(xiàn)
9．9 系統(tǒng)實現(xiàn)及實驗結(jié)果分析
9．9．1 功能模塊設(shè)計
9．9．2 語料庫
9．9．3 實驗結(jié)果分析
9．10 本章小結(jié)
第10章 與摸石頭過河算法混合的分布估計算法
10．1 摸石頭過河算法的思想
10．2 解連續(xù)性優(yōu)化問題的摸石頭過河算法
10．2．1 基本摸石頭過河算法
10．2．2 改進(jìn)的摸石頭過河算法
10．2．3 數(shù)值仿真與分析
10．3 求解最小包圍圓問題的“摸石頭過河”算法方法
10．3．1 引言
10．3．2 最小包圍圓問題
10．3．3 解連最小包圍圓問題的摸石頭過河算法
10．4 解旅行商問題的摸石頭過河算法
10．4．1 解旅行商問題的摸石頭過河算法
10．4．2 數(shù)值例子
10．5 與“摸石頭過河”混合的分布估計算法
10．5．1 解連續(xù)空間優(yōu)化問題的摸石頭過河與分布估計混合算法
10．5．2 數(shù)值仿真與分析
10．6 本章小節(jié)
第11章 基于分布估計算法的多目標(biāo)優(yōu)化
11．1 引言
11．2 多目標(biāo)優(yōu)化問題的數(shù)學(xué)描述
11．3 常用的多目標(biāo)優(yōu)化問題的測試函數(shù)
11．4 求解多目標(biāo)優(yōu)化問題的算法
11．5 解多目標(biāo)優(yōu)化問題的傳統(tǒng)算法
11．5．1 目標(biāo)加權(quán)法
11．5．2 約束法
11．5．3 目標(biāo)規(guī)劃法
11．6 解多目標(biāo)優(yōu)化的智能優(yōu)化算法
11．6．1 基于進(jìn)化算法的多目標(biāo)優(yōu)化
11．6．2 基于粒子群算法的多目標(biāo)優(yōu)化
11．6．3 基于人工免疫系統(tǒng)的多目標(biāo)優(yōu)化
11．7 分布估計算法的多目標(biāo)優(yōu)化
11．8 解多目標(biāo)3-SAT問題的分布估計算法
11．9 展望
第12章 總結(jié)
附錄A 解連續(xù)性優(yōu)化問題的改進(jìn)的正態(tài)分布的分布估計算法程序
附錄B 背包問題的分布估計算法程序
附錄C 解連續(xù)優(yōu)化問題摸石頭過河算法程序
附錄D 解連續(xù)優(yōu)化問題摸石頭過河分布估計混合算法程序
參考文獻(xiàn)