 |
-- 會員 / 註冊 --
|
 |
|
|
|
智能優化算法與涌現計算 ( 簡體 字) |
| 作者：李士勇 李 研 林永茂 編著 | 類別：1. -> 程式設計 -> 演算法 |
| 譯者： |
| 出版社：清華大學出版社 |  3dWoo書號： 51463
詢問書籍請說出此書號！【缺書】
NT售價： 595 元 |
| 出版日：8/1/2019 |
| 頁數：604 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787302517429 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：“智能”已經成為當代出現頻次越來越高的詞匯，這正是人類社會邁入智能時代的一個重要標志。智能正飛速地融入科學、工程、經濟、國防及人類社會生活的方方面面： 智能科學、智能材料、智能機器人、智能生產線、智能控制、智能預測、智能決策、智能制導、智能炸彈、智能手機、智能家電、智能家居、智能樓宇……智能水平的高低，在很大程度上已經成為衡量一個國家綜合國力、科技水平高低的重要標志。
在科學研究、工程設計、經濟管理、國防建設等領域存在著大量需要優化求解的復雜問題。采用傳統的優化方法通常需要給出待優化問題的精確數學模型，包括決策變量、約束條件和目標函數。傳統優化方法包括線性規劃、動態規劃、整數規劃和分支定界等運籌學中的經典算法，這些算法計算復雜，只適用于小規模問題； 用構造型優化算法快速建立問題的解，一般優化效果差，難以滿足工程需要。總之，傳統的優化算法是以給出優化問題的精確數學模型為基礎的。然而，科學、工程、經濟等領域提出的優化問題越來越復雜，難以建立精確的數學模型； 有的問題變量維數大，階次高，目標函數多，約束條件復雜，即使建立復雜的數學模型也難以求解。因此，面臨日益復雜的優化問題，基于精確模型的傳統優化算法面臨著極大的挑戰。
大自然中的各種生物、植物、動物及各種自然現象呈現出生生不息的景象，總是給人以深刻的啟迪。人們從中發現了許多隱含其中的信息存儲、處理、交換、適應、更新、進化的機制，蘊含著優化的機理。于是，人們從中獲得了設計靈感。例如，模擬蟻群從蟻穴到食物源避過障礙選擇一條最短路徑，Dorigo博士于1991年設計了蟻群優化算法，開辟了模擬群居昆蟲覓食行為或動物捕獵行為的群智能優化算法的先河。除早期模擬大腦功能的模糊邏輯算法、神經網絡算法及遺傳算法外，近30年來，大量的智能優化算法在國內外猶如雨后春筍般地涌現出來。為了向廣大讀者全面而系統地介紹原創的智能優化算法，彌補國內外同類書籍的不足，本書精選了106種原創的智能優化算法，一般稱它們為基本算法。本書把這些算法概括分為六大類，并分別編入六篇共106章加以介紹。各篇的內容概括如下。
第一篇： 仿人智能優化算法，包括模擬人腦思維、人體系統、組織、器官乃至細胞及人類社會競爭進化等相關的20種智能優化算法。
第二篇： 進化算法，包括模擬自然界的生物在生殖繁衍過程中，通過遺傳和變異及“優勝劣汰”的自然選擇法則，不斷地進化的優化算法10種。
第三篇： 群智能優化算法，包括模擬自然界群居昆蟲的覓食、繁殖等行為或動物群體的捕獵策略等對問題求解的優化算法34種。
第四篇： 仿植物生長算法，包括模擬花、草、樹木等植物生長過程中的向光性、光合作用、根吸水性、種子繁殖、花朵授粉等表現出的自適應、競爭、進化、優化行為的算法10種。
第五篇： 仿自然優化算法，包括模擬風、雨、云等自然現象，模擬物理、化學、數學定律，模擬生態系統的自組織臨界性、混沌現象、隨機分形等非線性科學的優化算法27種。
第六篇： 涌現計算，指模擬自然界中復雜適應系統的涌現現象、涌現行為，通過人工生命的主體按簡單規則在一定的環境下不斷地演化來獲得優化問題最優或準最優的模擬解。本篇介紹涌現計算的5種例子，包括一維元胞自動機的涌現計算、Conwey生命游戲的涌現計算、螞蟻系統覓食路徑的涌現計算、數字人工生命Autolife的涌現行為和黏菌的鐵路網絡涌現計算。
本書介紹的106種智能優化算法，涉及從地球上的萬物之靈——智能水平最高的人，到介于動物和真菌之間的低級黏菌生物； 從海洋中世界上最大的哺乳動物鯨魚到海洋微小無脊椎動物磷蝦； 從兇猛的野生群居動物老虎、獅子到幼小的螞蟻、蜜蜂； 從自然界的風、雨、云、雷電現象到地球上的水循環、食物鏈……內容涵蓋面之廣，可以說陸海空無所不及： 從陸地到海洋，從水中到空中，從有生命的動植物、微生物到無生命的自然現象，從物理化學數學、非線性科學到復雜適應系統等。
應該指出的是，有關智能優化算法的分類還沒有統一的標準，因此從不同的角度會有不同的分類方法，如自然計算、仿生計算、進化計算、智能優化算法及計算智能等。本書之所以把上述前五大類優化算法統稱為智能優化算法，是因為這些算法都凸顯出智能性或靈性的特點。它們通過確定性算法加啟發式隨機搜索的反復迭代獲取優化問題的最優數值解。而涌現計算是指模擬自然界中復雜適應系統的涌現現象、行為，通過人工生命的主體按簡單規則在一定的環境下不斷地演化來獲得優化問題最優或準最優的模擬解。
本書介紹了百余種智能優化算法和涌現計算的原創算法，目的在于使廣大讀者開闊視野，從復雜適應系統理論的高度上認識、理解各種智能優化算法和涌現計算的原理及其本質特征，從中受到啟迪； 并進一步激勵人們從千變萬化、五彩斑斕的大千世界中生生不息的各種生物、各種周而復始的自然現象中發現、捕捉靈感，提出、設計、創造出更多更好的智能優化算法，以滿足科學、工程、經濟、管理、國防等領域中各種復雜優化問題的需要。
基于上述宗旨，加之受篇幅所限，每種算法只從原創算法的提出、個體行為或習性、算法原理、算法的數學描述、算法實現等方面簡要介紹，每種算法的篇幅平均控制在5頁左右。在編寫中，盡可能保持原創算法的主要內容及所用符號。為方便起見，對少數算法的符號做了適當的改動，并適當補充一些從網上收集的相關插圖和對算法原理說明的輔助材料。由于本書章節多，因此將作為智能優化算法的理論基礎部分的內容以附錄的形式給出，便于讀者單獨閱讀。
參加編寫或提供素材的還有寧永臣、李盼池、李浩、左興權、柏繼云、張秀杰、宋申民、李巍、班曉軍、趙寶江、黃金杰、袁麗英、欒秀春、黃忠報、章錢、郭成、楊丹、郭玉、張恒、張逸達、王振楊、徐寶華等。
在編寫過程中除引用了原創算法的文獻外，還參考了國內外相關研究的主要文獻及有價值的博士、碩士學位論文等，為便于讀者進一步研究查閱，將這些文獻一并列入本書的參考文獻。在此，對被引用文獻的作者表示衷心感謝！除參考文獻前面的部分書籍外，文獻的編號原則上是按照各章內容出現的順序編排的。
本書的出版始終得到清華大學出版社的大力支持，在此表示由衷的謝意！
本書內容涉及專業知識面甚廣，受編者知識面所限，書中內容難免存在不足，懇請廣大讀者給予指正！
李士勇2018年5月 |
內容簡介：智能優化算法與涌現計算是多種前沿學科交叉融合的結晶。主要包括：模擬人腦思維、人體細胞、器官等的仿人智能優化算法；模擬群居動物覓食或繁殖行為的群智能優化算法；模擬人類社會進化的進化算法；模擬植物生長的仿生算法；模擬自然現象或規律的自然計算；模擬復雜適應系統涌現行為的涌現計算等80余種算法。本書可作為智能科學、計算機科學、信息科學、自動化、系統科學、管理科學等相關領域的教師、研究生、科研人員的參考書。 |
目錄：第一篇仿人智能優化算法
第1章模糊邏輯算法
1．1模糊集合及其表示
1．2模糊集合的運算及其性質
1．3模糊關系與模糊矩陣
1．4模糊推理規則
1．5模糊系統的萬能逼近特性
第2章神經網絡算法
2．1神經細胞結構與功能
2．2人工神經元的基本特性
2．3人工神經網絡及其特點
2．4前向神經網絡的結構、訓練及學習
2．5神經網絡的學習規則
2．6前向網絡誤差反向傳播學習算法及其逼近特性
第3章免疫算法
3．1免疫系統的基本概念
3．2免疫系統的組織結構
3．3免疫系統的免疫機制
3．4免疫系統的學習及優化機理
3．5免疫算法及克隆選擇算法的實現步驟
第4章內分泌算法
4．1內分泌算法的提出
4．2內分泌與神經、免疫系統之間的關系
4．3生物內分泌系統
4．4內分泌激素調節規律的描述
4．5人工內分泌系統內分泌激素的調節機制
4．6基于內分泌調節機制的行為自組織算法的實現
第5章人工代謝算法
5．1人工代謝算法的提出
5．2人工代謝算法的原理
5．3人工代謝算法的描述
5．4人工代謝算法的實現流程
第6章膜計算
6．1膜計算的提出
6．2細胞膜的結構、模型及功能
6．3標準膜計算的原理
6．4標準膜計算的描述
6．5膜計算的過程及實現步驟
第7章禁忌搜索算法
7．1禁忌搜索算法的提出
7．2組合優化中的鄰域概念
7．3局部搜索算法
7．4禁忌搜索算法
7．5禁忌搜索算法主要操作及參數
第8章和聲搜索算法
8．1和聲搜索算法的提出
8．2和聲搜索算法的原理及結構
8．3和聲搜索算法的主要步驟及流程
第9章思維進化算法
9．1思維進化算法的提出
9．2思維進化算法的基本思想
9．3思維進化算法的描述
9．4思維進化算法的實現步驟及流程
第10章社會進化算法
10．1社會進化算法的提出
10．2社會進化算法的基本思想
10．3多智能體社會進化系統
10．4社會進化算法的描述
10.5社會進化算法的實現步驟
第11章人口遷移算法
11．1人口遷移算法的提出
11．2人口遷移算法的原理
11．3人口遷移算法的描述
11．4人口遷移算法的實現步驟
第12章標桿學習算法
12．1標桿學習算法的提出
12．2標桿管理的基本思想
12．3標桿學習算法的基本原理
12．4標桿學習算法的數學描述
12．5標桿學習算法的實現流程
第13章瞭望算法
13．1瞭望算法的提出
13．2瞭望算法的基本原理
13．3瞭望算法的數學描述
13．4求解全局優化問題的瞭望算法的實現
第14章視覺認知優化算法
14．1視覺認知優化算法的提出
14．2視覺認知優化算法的原理
14．3視覺認知優化算法的描述與步驟
14．4算法的收斂性證明
14．5視覺認知優化算法的實現舉例
14．6基于視覺認知的可視化算法
第15章頭腦風暴優化算法
15．1頭腦風暴優化算法的提出
15．2頭腦風暴優化算法的基本思想
15．3頭腦風暴過程的描述
15．4頭腦風暴優化算法的描述及實現步驟
15．5基于討論機制的頭腦風暴優化算法
第16章隨機聚焦搜索優化算法
16．1隨機聚焦搜索優化算法的提出
16．2隨機聚焦搜索優化算法的原理
16．3隨機聚焦搜索優化算法的描述
16．4隨機聚焦搜索算法的基本步驟
16．5基于隨機聚焦搜索算法的沖壓成形工藝優化
第17章教學優化算法
17．1教學優化算法的提出
17．2教學優化算法的原理
17．3教學優化算法的數學描述
17．4教學優化算法的實現步驟
第18章帝國競爭算法
18．1帝國競爭算法的提出
18．2帝國競爭算法的原理
18．3帝國競爭算法的數學描述
18．4帝國競爭算法的實現步驟及流程
第19章世界杯競賽算法
19．1世界杯競賽算法的提出
19．2世界杯競賽算法的描述
19．3世界杯競賽算法的實現流程
第20章集體決策優化算法
20．1集體決策優化算法的提出
20．2集體決策優化的基本思想
20．3集體決策優化算法的數學描述
20．4集體決策優化算法的實現
第二篇進化算法
第21章遺傳算法
21．1遺傳算法的提出
21．2遺傳算法的優化原理
21．3生物的遺傳及遺傳算法的基本概念
21．4遺傳算法的基本操作
21．5遺傳算法的求解步驟
21．6原對偶遺傳算法
第22章遺傳編程
22．1遺傳編程的提出
22．2遺傳編程的原理及基本操作
22．3遺傳編程算法的設計步驟及流程
22．4遺傳編程算法的本質屬性
第23章進化規劃
23．1進化規劃的提出
23．2進化規劃的原理及基本操作
23．3進化規劃的實現步驟及流程
第24章進化策略
24．1進化策略的提出
24．2進化策略的基本原理
24．3進化策略的基本操作
24．4進化策略的實現步驟及流程
第25章分布估計算法
25．1分布估計算法的提出
25．2分布估計算法的基本原理
25．3分布估計算法的描述
25．4分布估計算法的基本步驟及流程
第26章差分進化算法
26．1差分進化算法的提出
26．2差分進化算法的原理
26．3差分進化算法的基本操作
26．4差分進化算法的實現步驟及流程
26．5差分進化算法的擴展形式
第27章DNA計算
27．1DNA計算的提出
27．2DNA計算的生物學基礎
27．3DNA計算的基本原理及主要步驟
27．4DNA計算的基本操作
27．5DNA計算的編碼問題
27．6DNA計算系統的原型
第28章基因表達式編程算法
28．1基因表達式編程算法的提出
28．2基因表達式編程算法的原理
28．3基因表達式編程的基本概念
28．4GEP算法的遺傳操作
28．5基本的GEP算法流程
第29章Memetic算法
29．1Memetic算法的提出
29．2Memetic算法的原理
29．3Memetic算法的描述
29．4Memetic算法的流程
29．5Memetic算法的特點及其意義
第30章文化算法
30．1文化算法的提出
30．2文化算法的基本結構與原理
30．3文化算法求解約束優化問題的描述與設計
30．4基本文化算法的實現步驟及流程
第三篇群智能優化算法
第31章蟻群優化算法/蟻獅優化算法
31．1蟻群優化算法的提出
31．2螞蟻的習性及覓食行為
31．3蟻群覓食策略的優化原理
31．4蟻群算法的原型——螞蟻系統模型的描述
31．5基本蟻群算法的流程
31.6蟻獅優化算法的提出
31.7蟻獅的狩獵行為
31.8蟻獅優化算法的原理
31.9蟻獅優化算法的數學描述
31.10蟻獅優化算法的實現
第32章粒子群優化算法
32．1粒子群優化算法的提出
32．2粒子群優化算法的基本原理
32．3粒子群優化算法的描述
32．4粒子群優化算法的實現步驟及流程
32．5粒子群優化算法的特點及其改進
第33章人工蜂群算法/蜂群優化算法
33．1蜂群算法的提出
33．2人工蜂群算法的基本原理
33．3人工蜂群算法的描述
33．4人工蜂群算法的實現步驟與流程
33．5基于蜜蜂繁殖行為的蜂群優化算法
第34章混合蛙跳算法
34．1混合蛙跳算法的提出
34．2混合蛙跳算法的基本原理
34．3基本混合蛙跳算法的描述
34．4混合蛙跳算法的實現步驟
34．5混合蛙跳算法的流程
第35章人工魚群算法
35．1人工魚群算法的提出
35．2動物自治體模型與魚類的覓食行為
35．3人工魚群算法的基本原理
35．4人工魚群算法的數學描述
35．5人工魚群算法的流程
第36章大馬哈魚洄游算法
36．1大馬哈魚洄游算法的提出
36．2大馬哈魚的洄游習性
36．3大馬哈魚洄游算法的原理
36．4大馬哈魚洄游算法的描述
36．5大馬哈魚洄游算法的實現步驟及流程
第37章鯨魚優化算法
37．1鯨魚優化算法的提出
37．2鯨魚的泡泡網覓食行為
37．3鯨魚優化算法的原理
37．4鯨魚優化算法的數學描述
37．5鯨魚優化算法的實現步驟及流程
第38章磷蝦群算法
38．1磷蝦群算法的提出
38．2磷蝦群算法的原理
38．3磷蝦群算法的數學描述
38．4磷蝦群算法的實現步驟及流程
第39章細菌覓食優化算法
39．1細菌覓食優化算法的提出
39．2大腸桿菌的結構及覓食行為
39．3細菌覓食優化算法的原理
39．4細菌覓食優化算法的數學描述
39．5細菌覓食優化算法的實現步驟及流程
第40章細菌(群體)趨藥性算法
40．1細菌(群體)趨藥性算法的提出
40．2細菌趨藥性算法的原理
40．3細菌趨藥性算法的數學描述
40．4細菌群體趨藥性算法的基本思想
40．5細菌群體趨藥性算法的數學描述
40．6細菌群體趨藥性算法的實現步驟
第41章細菌菌落優化算法
41．1細菌菌落優化算法的提出
41．2細菌的生長、繁殖、死亡過程
41．3細菌菌落優化算法的原理
41．4細菌菌落優化算法的設計
41．5細菌菌落優化算法的實現步驟及流程
第42章貓群優化算法
42．1貓群優化算法的提出
42．2貓的習性
42．3貓群優化算法的原理
42．4貓群優化算法的數學描述
42．5貓群優化算法的實現步驟
42．6貓群優化算法實現的程序流程
第43章鼠群優化算法
43．1鼠群優化算法的提出
43．2鼠群優化算法的原理
43．3鼠群優化算法及其環境描述
43．4鼠群優化算法的實現步驟
第44章貓鼠種群算法
44．1貓鼠種群算法提出
44．2貓鼠種群算法的原理
44．3貓鼠種群算法的數學描述
44．4貓鼠種群算法的實現步驟及流程
第45章雞群優化算法
45．1雞群優化算法的提出
45．2雞群優化算法的基本思想
45．3雞群優化算法的數學描述
45．4雞群優化算法的實現步驟及流程
第46章狼群算法
46．1狼群算法的提出
46．2狼的習性及狼群特征
46．3狼群算法的原理
46．4狼群算法的數學描述
46．5狼群算法的實現步驟及流程
第47章灰狼優化算法
47．1灰狼優化算法的提出
47．2灰狼的社會等級及狩獵行為
47．3灰狼優化算法的數學描述
47．4灰狼優化算法的實現步驟及流程
第48章獅子優化算法
48．1獅子優化算法的提出
48．2獅子的習性
48．3獅子優化算法的原理
48．4獅子優化算法的數學描述
48．5獅子優化算法的實現
第49章猴群算法
49．1猴群算法的提出
49．2猴群算法的原理
49．3猴群算法的數學描述
49．4猴群算法的實現步驟及流程
第50章雁群優化算法
50．1雁群優化算法的提出
50．2雁群飛行規則及其假設
50．3雁群優化算法的基本思想
50．4雁群優化算法的數學描述
50．5雁群優化算法的實現步驟及流程
第51章候鳥優化算法
51.1候鳥優化算法的提出
51.2候鳥Ｖ字形編隊飛行的優化原理
51.3候鳥優化算法的描述
51.4候鳥優化算法的實現步驟及流程
51.5候鳥優化算法的特點及參數分析
第52章布谷鳥搜索算法
52.1布谷鳥搜索算法的提出
52.2布谷鳥的繁殖行為與Levy飛行
52.3布谷鳥搜索算法的原理
52.4布谷鳥搜索算法的數學描述
52.5布谷鳥搜索算法的實現步驟及流程
第53章螢火蟲群優化算法/螢火蟲算法
53.1螢火蟲群優化算法的提出
53.2螢火蟲閃光的特點及功能
53.3螢火蟲群優化算法的數學描述
53.4螢火蟲群優化算法的實現步驟及流程
53.5螢火蟲算法的基本思想
53.6螢火蟲算法的數學描述
53.7螢火蟲算法的實現步驟及流程
第54章飛蛾撲火優化算法
54.1飛蛾撲火優化算法的提出
54.2飛蛾的橫向導航方法
54.3飛蛾撲火的原理
54.4飛蛾撲火優化算法的數學描述
54.5飛蛾撲火優化算法的實現步驟
第55章蝙蝠算法
55.1蝙蝠算法的提出
55.2蝙蝠的習性及回聲定位
55.3蝙蝠算法的基本思想
55.4蝙蝠算法的數學描述
55.5蝙蝠算法的實現步驟及流程
第56章果蠅優化算法
56.1果蠅優化算法的提出
56.2果蠅的生物價值及覓食行為
56.3果蠅優化算法的基本原理
56.4果蠅優化算法的數學描述
56.5果蠅優化算法的實現步驟及流程
第57章群居蜘蛛優化算法
57.1群居蜘蛛優化算法的提出
57.2蜘蛛的習性與特征
57.3群居蜘蛛優化算法的基本思想
57.4群居蜘蛛優化算法的數學描述
57.5蜘蛛優化算法的實現步驟及流程
第58章蟑螂優化算法
58.1蟑螂優化算法的提出
58.2蟑螂的習性
58.3蟑螂優化算法的原理
58.4蟑螂優化算法的數學描述
58.5蟑螂優化算法的實現步驟
第59章捕食搜索算法
59.1捕食搜索算法的提出
59.2動物捕食策略
59.3捕食搜索算法的基本思想
59.4捕食搜索算法的數學描述
59.5捕食搜索算法的實現步驟及流程
第60章自由搜索算法
60.1自由搜索算法的提出
60.2自由搜索算法的優化原理
60.3自由搜索算法的數學描述
60.4自由搜索算法的實現步驟及流程
第61章食物鏈算法
61.1食物鏈算法的提出
61.2捕食食物鏈
61.3人工捕食策略
61.4人工生命食物鏈的基本思想
61.5食物鏈算法的數學描述
61.6食物鏈算法的實現步驟及流程
第62章共生生物搜索算法
62.1共生生物搜索算法的提出
62.2共生生物搜索算法的原理
62.3共生生物搜索算法的數學描述
62.4SOS算法的實現步驟及流程
第63章生物地理學優化算法
63.1生物地理學優化算法的提出
63.2生物地理學的基本概念及生物物種遷移模型
63.3生物地理學優化算法的原理
63.4生物地理學優化算法的數學描述
63.5生物地理學優化算法的實現步驟及流程
第64章競爭優化算法
64.1競爭優化算法的提出
64.2競爭優化算法的原理
64.3競爭優化算法的描述
64.4競爭優化算法的實現步驟及流程
第四篇仿植物生長算法
第65章模擬植物生長算法
65．1模擬植物生長算法的提出
65．2模擬植物生長算法的原理
65．3模擬植物生長算法的數學描述
65．4模擬植物生長算法的實現步驟
第66章人工植物優化算法
66．1人工植物優化算法的提出
66．2人工植物優化算法的優化原理
66．3人工植物優化算法的數學描述
66．4人工植物優化算法的實現步驟及流程
第67章人工藻類算法
67．1人工藻類算法的提出
67．2藻類的生長特性
67．3人工藻類算法的數學描述
67．4人工藻類算法的偽代碼及流程
第68章小樹生長算法
68．1小樹生長算法的提出
68．2小樹生長算法的優化原理
68．3小樹生長算法的數學描述
68．4小樹生長算法的程序實現
第69章自然樹生長競爭算法
69．1自然樹生長競爭算法的提出
69．2自然樹生長競爭算法的優化機理
69．3自然樹生長的競爭模型
69．4自然樹生長競爭算法的數學描述
69．5自然樹生長競爭算法的實現步驟及流程
第70章根樹優化算法
70．1根樹優化算法的提出
70．2根樹優化算法的基本原理
70．3根樹優化算法的數學描述
70．4RTO算法的實現步驟
第71章森林優化算法
71．1森林優化算法的提出
71．2森林優化算法的原理
71．3森林優化算法的數學描述
71．4森林優化算法的實現步驟及流程
第72章入侵草優化算法
72．1入侵草優化算法的提出
72．2雜草生長的入侵性
72．3入侵草優化算法的原理
72．4入侵草優化算法的數學描述
72．5入侵草優化算法的實現步驟及流程
第73章種子優化算法
73．1種子優化算法的提出
73．2種子優化算法的基本思想
73．3種子優化算法的數學描述
73．4基于正態分布的種子優化算法
第74章花朵授粉算法
74．1花朵授粉算法的提出
74．2花朵授粉的特征
74．3花朵授粉算法的數學描述
74．4花朵授粉算法的實現步驟及流程
第五篇仿自然優化算法
第75章模擬退火算法
75．1模擬退火算法的提出
75．2固體退火過程的統計力學原理
75．3模擬退火算法的數學描述
75．4模擬退火算法的實現步驟及流程
第76章混沌優化算法
76．1混沌優化算法的提出
76．2混沌學與Logistic映射
76．3混沌優化算法的實現步驟
76．4變尺度混沌優化算法的實現步驟
第77章混沌黃金分割搜索算法
77．1混沌黃金分割搜索算法的提出
77．2混沌黃金分割搜索算法的原理及數學描述
77．3混沌黃金分割搜索算法的結構
77．4混沌黃金分割搜索算法的實現步驟及流程
第78章隨機分形搜索算法
78．1隨機分形搜索算法的提出
78．2隨機分形搜索的原理
78．3分形搜索算法的數學描述
78．4分形搜索算法的實現步驟
78．5隨機分形搜索算法的數學描述及實現步驟
第79章量子搜索算法
79．1量子搜索算法的提出
79．2量子計算基礎
79．3Grover量子搜索算法的原理
79．4Grover算法的搜索步驟
79．4量子遺傳算法的原理及實現步驟
第80章智能水滴優化算法
80．1智能水滴優化算法的提出
80．2智能水滴優化算法的基本原理
80．3智能水滴優化算法的數學描述
80．4智能水滴優化算法求解TSP問題的步驟及流程
第81章水循環算法
81．1水循環算法的提出
81．2水循環過程
81．3水循環算法的基本原理
81．4水循環算法的數學描述
81．5水循環算法的實現步驟及流程
第82章水波優化算法
82．1水波優化算法的提出
82．2水波現象與水波理論
82．3水波優化算法的基本原理
82．4水波優化算法的數學描述
82．5水波優化算法的實現步驟及流程
第83章人工雨滴算法
83．1人工雨滴算法的提出
83．2雨滴形成及降雨過程分析
83．3人工雨滴算法的基本思想
83．4人工雨滴算法的數學描述
83．4人工雨滴算法的實現步驟及流程
第84章云搜索優化算法
84．1云搜索優化算法的提出
84．2云搜索優化算法的基本思想
84．3云搜索優化算法的數學描述
84．4云搜索優化算法的實現步驟
第85章氣象云模型優化算法
85．1氣象云模型優化算法的提出
85．2氣象云模型優化算法的基本思想
85．3氣象云模型優化算法的數學描述
85．4氣象云模型優化算法的實現步驟及流程
第86章風驅動優化算法
86．1風驅動優化算法的提出
86．2風驅動優化算法的原理
86．3風驅動優化算法的數學描述
86．4風驅動優化算法的實現步驟及流程
第87章宇宙大爆炸算法
87．1宇宙大爆炸算法的提出
87．2宇宙大爆炸算法的基本思想
87．3宇宙大爆炸算法的數學描述
87．4BB拟BC算法實現步驟及流程
第88章中心引力優化算法
88．1中心引力優化算法的提出
88．2中心引力優化算法的原理
88．3中心引力優化算法的數學描述
88．4中心引力優化算法的實現步驟
第89章引力搜索算法
89．1引力搜索算法的提出
89．2引力搜索算法的原理
89．3引力搜索算法的數學描述
89．4引力搜索算法的實現步驟及流程
第90章引力場算法
90．1引力場算法的提出
90．2行星和恒星的形成理論
90．3引力場算法的基本思想
90．4引力場算法的數學描述
90．5引力場算法的實現步驟及流程
第91章極值動力學優化算法
91．1極值動力學優化算法的提出
91．2BS生物演化模型
91．3極值動力學優化算法的原理
91．4極值動力學優化算法的描述
91．5極值動力學優化算法的實現步驟及流程
91．6極值動力學優化算法的特點
第92章擬態物理學優化算法
92．1擬態物理學優化算法的提出
92．2擬態物理學
92．3擬態物理學優化算法的基本思想
92．4擬態物理學優化算法的數學描述
92．5擬態物理學優化算法的實現步驟
第93章分子動理論優化算法
93．1分子動理論優化算法的提出
93．2分子動理論的相關知識
93．3分子動理論優化算法的原理
93．4分子動理論優化算法的數學描述
93．5分子動理論優化算法的實現步驟及流程
第94章類電磁機制算法
94．1類電磁機制算法的提出
94．2庫侖定律
94．3類電磁機制算法的基本思想
94．4類電磁機制算法的數學描述
94．5類電磁機制算法的實現步驟及流程
第95章熱傳遞搜索算法
95．1熱傳遞搜索算法的提出
95．2熱傳遞搜索算法的原理
95．3熱傳遞搜索算法的數學描述
94．4熱傳遞搜索算法的流程
第96章渦流搜索算法
96．1渦流搜索算法的提出
96．2渦流搜索算法的原理
96．3渦流搜索算法的數學描述
96．4渦流搜索算法的實現及流程
第97章閃電搜索算法
97．1閃電搜索算法的提出
97．2閃電搜索算法的原理
97．3閃電搜索算法的數學描述
97．4閃電搜索算法的實現步驟及流程
第98章光線優化算法
98．1光線優化算法的提出
98．2光線優化算法的原理
98．3光線優化算法的數學描述
98．4光線優化算法的流程
第99章化學反應優化算法
99．1化學反應優化算法的提出
99．2化學反應優化算法的原理
99．3化學反應優化算法的數學描述
99．4化學反應優化算法的實現步驟及流程
第100章正弦余弦算法
100．1正弦余弦算法的提出
100．2正弦余弦算法的原理
100．3正弦余弦算法的數學描述
100．4正弦余弦算法的偽代碼實現
第101章陰拟陽對優化算法
101．1陰拟陽對優化算法的提出
101．2陰拟陽對優化算法的基本思想
101．3陰拟陽對優化算法的數學描述
101．4陰拟陽對優化算法的偽代碼實現
第六篇涌現計算
第102章一維元胞自動機的涌現計算
102．1元胞自動機概念的提出
102．2元胞自動機的結構與規則
102．3一維元胞自動機涌現計算的原理
第103章Conway生命游戲的涌現計算
103．1Conway生命游戲的提出
103．2二維細胞自動機的結構和規則
103．3Conway生命游戲的演化
103．4基于MATLAB的生命游戲仿真設計
103．5基于MATLAB的生命游戲仿真算法的實現步驟
第104章螞蟻系統覓食路徑的涌現計算
104．1螞蟻群體覓食行為的涌現現象
104．2螞蟻群體覓食行為模型的構建
104．3螞蟻主體覓食行為規則及模型參數
104．4基于Agent的螞蟻群體覓食行為的涌現計算
第105章數字人工生命Autolife的涌現行為
105．1Autolife模型的提出
105．2Autolife模型的基本思想
105．3Autolife模型的規則描述
105．4不同環境下的人工生命群體動態行為
105．5組織的自創生與自修復
105．6Autolife模型的意義
第106章黏菌的鐵路網絡涌現計算
106．1黏菌涌現計算的提出
106．2黏菌及其習性
106．3黏菌覓食的涌現行為
106．4黏菌交通網絡的涌現計算過程
106．5黏菌網絡的性能及路徑尋優模型
附錄A智能優化算法的理論基礎：復雜適應系統理論
參考文獻
|
| 序： |
|
