智能優化算法及其MATLAB實例（第2版） ( 簡體 字) |
| 作者：包子陽,余繼周,楊杉 | 類別：1. -> 工程繪圖與工程計算 -> Matlab |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 48206
詢問書籍請說出此書號！【缺書】
NT售價： 240 元 |
| 出版日：1/1/2018 |
| 頁數：232 |
| 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：9787121330308 |
| 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：近年來，隨著計算機技術的快速發展，為了在一定程度上解決大空間、非線性、全局尋優、組合優化等復雜問題，不少智能優化方法不斷涌現，例如：進化類算法、群智能算法、模擬退火算法、禁忌搜索算法和神經網絡算法等。因其獨特的優點和機制，這些算法得到了國內外學者的廣泛關注，掀起了研究熱潮，在信號處理、圖像處理、生產調度、任務分配、模式識別、自動控制和機械設計等眾多領域得到了成功應用。
本書介紹了8種經典智能優化算法的來源、原理、算法流程和關鍵參數說明，并給出了具體MATLAB仿真實例，包括：遺傳算法、差分進化算法、免疫算法、蟻群算法、粒子群算法、模擬退火算法、禁忌搜索算法和神經網絡算法。全書分為9章：第1章為概述，綜合介紹智能優化算法的功能和應用以及主要算法的來源、原理和特點；第2∼9章對上述8種智能優化算法分別進行介紹，包括其算法簡介、算法理論、算法主要種類、算法流程和關鍵參數說明，并給出MATLAB仿真實例，其中有的章節還介紹算法的改進方向和實現方法。
智能優化算法可應用于電子、通信、計算機、自動化、機器人、經濟學和管理學等眾多學科；對于要用這些算法工具來解決具體問題的理論研究和工程技術人員來說，通過本書可以節省大量查詢資料和編寫程序的時間，通過MATLAB仿真實例可以更深入地理解、快速地掌握這些算法。由于每種算法的優化目標可以很多，對應的修正算法也很多，感興趣的讀者可以在此基礎上進行深入研究。
本書的第1∼4章和第7∼9章由包子陽編寫和修訂；第5章和第6章由余繼周編寫和修訂；楊杉參與第2章和第6章的修訂以及對全書的審查和校正。書中的所有源程序均可在電子工業出版社網站下載。在本書改版過程中，得到了北京無線電測量研究所人力資源處劉紀斌老師、檔信中心董智文主任、《航天雷達》郭珊珊編輯、黨辦陳佳佳老師、所辦郭少霞老師以及總體部的支持和幫助，電子工業出版社相關編輯為本書的出版付出了辛勤勞動，特此表示感謝。
由于編著者水平有限，書中難免有各種不足之處，誠摯希望各位專家和讀者批評指正。
編著者
2017年11月 |
內容簡介：智能優化算法在解決大空間、非線性、全局尋優、組合優化等復雜問題方面具有獨特的優勢，因而得到了國內外學者的廣泛關注，并在信號處理、圖像處理、生產調度、任務分配、模式識別、自動控制和機械設計等眾多領域得到了成功應用。本書介紹了8種經典智能優化算法——遺傳算法、差分進化算法、免疫算法、蟻群算法、粒子群算法、模擬退火算法、禁忌搜索算法和神經網絡算法的來源、原理、算法流程和關鍵參數說明，并給出了具體的MATLAB仿真實例。對于要用這些算法工具來解決具體問題的理論研究和工程技術人員，通過本書可以節省大量查詢資料和編寫程序的時間，通過仿真實例可以更深入地理解、快速地掌握這些算法。 |
目錄：第1章 概述 1
1.1 進化類算法 2
1.2 群智能算法 3
1.3 模擬退火算法 5
1.4 禁忌搜索算法 5
1.5 神經網絡算法 6
參考文獻 6
第2章 遺傳算法 9
2.1 引言 9
2.2 遺傳算法理論 10
2.2.1 遺傳算法的生物學基礎 10
2.2.2 遺傳算法理論基礎 11
2.2.3 遺傳算法的基本概念 13
2.2.4 標準遺傳算法 16
2.2.5 遺傳算法的特點 16
2.2.6 遺傳算法的改進方向 17
2.3 遺傳算法流程 17
2.4 關鍵參數說明 19
2.5 MATLAB仿真實例 20
參考文獻 35
第3章 差分進化算法 37
3.1 引言 37
3.2 差分進化算法理論 38
3.2.1 差分進化算法原理 38
3.2.2 差分進化算法的特點 38
3.3 差分進化算法種類 39
3.3.1 基本差分進化算法 39
3.3.2 差分進化算法的其他形式 41
3.3.3 改進的差分進化算法 42
3.4 差分進化算法流程 43
3.5 關鍵參數的說明 44
3.6 MATLAB仿真實例 45
參考文獻 57
第4章 免疫算法 59
4.1 引言 59
4.2 免疫算法理論 60
4.2.1 生物免疫系統 60
4.2.2 免疫算法概念 62
4.2.3 免疫算法的特點 63
4.2.4 免疫算法算子 63
4.3 免疫算法種類 67
4.3.1 克隆選擇算法 67
4.3.2 免疫遺傳算法 67
4.3.3 反向選擇算法 67
4.3.4 疫苗免疫算法 68
4.4 免疫算法流程 68
4.5 關鍵參數說明 70
4.6 MATLAB仿真實例 71
參考文獻 84
第5章 蟻群算法 87
5.1 引言 87
5.2 蟻群算法理論 88
5.2.1 真實蟻群的覓食過程 88
5.2.2 人工蟻群的優化過程 90
5.2.3 真實螞蟻與人工螞蟻的異同 90
5.2.4 蟻群算法的特點 91
5.3 基本蟻群算法及其流程 92
5.4 改進的蟻群算法 95
5.4.1 精英螞蟻系統 95
5.4.2 最大最小螞蟻系統 95
5.4.3 基于排序的蟻群算法 96
5.4.4 自適應蟻群算法 96
5.5 關鍵參數說明 97
5.6 MATLAB仿真實例 99
參考文獻 108
第6章 粒子群算法 111
6.1 引言 111
6.2 粒子群算法理論 112
6.2.1 粒子群算法描述 112
6.2.2 粒子群算法建模 113
6.2.3 粒子群算法的特點 113
6.3 粒子群算法種類 114
6.3.1 基本粒子群算法 114
6.3.2 標準粒子群算法 114
6.3.3 壓縮因子粒子群算法 115
6.3.4 離散粒子群算法 116
6.4 粒子群算法流程 116
6.5 關鍵參數說明 117
6.6 MATLAB仿真實例 120
參考文獻 135
第7章 模擬退火算法 137
7.1 引言 137
7.2 模擬退火算法理論 138
7.2.1 物理退火過程 138
7.2.2 模擬退火原理 139
7.2.3 模擬退火算法思想 140
7.2.4 模擬退火算法的特點 141
7.2.5 模擬退火算法的改進方向 141
7.3 模擬退火算法流程 142
7.4 關鍵參數說明 143
7.5 MATLAB仿真實例 145
參考文獻 156
第8章 禁忌搜索算法 157
8.1 引言 157
8.2 禁忌搜索算法理論 158
8.2.1 局部鄰域搜索 158
8.2.2 禁忌搜索 159
8.2.3 禁忌搜索算法的特點 159
8.2.4 禁忌搜索算法的改進方向 160
8.3 禁忌搜索算法流程 160
8.4 關鍵參數說明 162
8.5 MATLAB仿真實例 165
參考文獻 176
第9章 神經網絡算法 179
9.1 引言 179
9.2 神經網絡算法理論 180
9.2.1 人工神經元模型 180
9.2.2 常用激活函數 181
9.2.3 神經網絡模型 182
9.2.4 神經網絡工作方式 182
9.2.5 神經網絡算法的特點 183
9.3 BP神經網絡算法 184
9.4 神經網絡算法的實現 187
9.4.1 數據預處理 187
9.4.2 神經網絡實現函數 188
9.5 MATLAB仿真實例 191
參考文獻 199
附錄A MATLAB常用命令和函數 201 |
| 序： |
