|
-- 會員 / 註冊 --
|
|
|
|
最優化方法及其 MATLAB 實現 ( 簡體 字) |
作者:許國根,趙后隨,黃智勇 編著 | 類別:1. -> 工程繪圖與工程計算 -> Matlab |
譯者: |
出版社:北京航空航天大學出版社 | 3dWoo書號: 49718 詢問書籍請說出此書號!【缺書】 NT售價: 345 元 |
出版日:7/1/2018 |
頁數:455 |
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:9787512427167 |
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: |
內容簡介: 優化技術是一種以數學為基礎,用於求解各種工程問題優化解的應用技術。本書較為系統地介紹了*化技術的基本理論和方法及其現有絕大多數優化演算法的MATLAB程式實現。
《*化方法及其 MATLAB 實現》分上、下兩篇,其中,上篇主要介紹經典優化演算法,如各種無約束優化方法、各種約束優化方法、各種規劃演算法、圖論等;下篇主要介紹諸如遺傳演算法、粒子群等多種現代優化演算法,特別是群智慧優化演算法的基本理論、實現技術以及演算法融合方法。本書既注重計算方法的實用性,又有一定的理論分析,對於每種演算法都配有豐富的例題及MATLAB程式,可供學習者使用。 《*化方法及其 MATLAB 實現》既可作為高等院校數學與應用數學、資訊與計算科學、統計學、計算數學、運籌學、控制論等與優化技術相關的專業,以及地質、水利、化學和環境等專業優化技術教學的本科生或研究生的教材或教學參考用書,也可作為對*化理論與演算法感興趣的教師與工程技術人員的參考用書。
|
目錄:第1章 概 論 1 1.1 最優化問題及其分類 1 1.1.1 最優化問題舉例 1 1.1.2 函數優化問題 3 1.1.3 數學規劃 4 1.1.4 組合優化問題 5 1.2 鄰域函數與局部搜索 6 1.3 優化問題的複雜性 6 1.4 優化演算法發展狀況 7 上 篇 經典優化方法 第2章 無約束優化方法 10 2.1 最優性條件 10 2.2 反覆運算法 10 2.3 收斂速度 11 2.4 終止準則 12 2.5 一維搜索 12 2.5.1 平分法 12 2.5.2 牛頓法 13 2.5.3 0.618法 14 2.5.4 ?物線法 15 2.5.5 二點三次插值法 16 2.5.6 “成功失敗”法 17 2.5.7 非精確一維搜索 17 2.6 基本下降法 19 2.6.1 最速下降法 19 2.6.2 牛頓法 20 2.6.3 阻尼牛頓法 20 2.6.4 修正牛頓法 20 2.7 共軛方向法和共軛梯度法 21 2.7.1 共軛方向和共軛方向法 22 2.7.2 共軛梯度法 23 2.8 變尺度法(擬牛頓法) 24 2.8.1 對稱秩1演算法 24 2.8.2 DFP演算法 25 2.8.3 BFGS演算法 25 2.9 直接搜索法 27 2.9.1 Hook-Jeeves方法 27 2.9.2 單純形法 29 2.9.3 Powell方法 29 2.10 演算法的MATLAB實現 31 第3章 約束優化方法 36 3.1 最優性條件 36 3.1.1 等式約束問題的最優性條件 36 3.1.2 不等式約束問題的最優性條件 37 3.1.3 一般約束問題的最優性條件 37 3.2 罰函數法 38 3.2.1 外罰函數法 38 3.2.2 內點法 39 3.2.3 乘子法 41 3.3 可行方向法 43 3.3.1 Zoutendijk可行方向法 43 3.3.2 梯度投影法 45 3.3.3 簡約梯度法 47 3.3.4 廣義簡約梯度法 49 3.4 二次逼近法 50 3.4.1 二次規劃的概念 50 3.4.2 牛頓拉格朗日法 51 3.4.3 SQP演算法 52 3.5 極大熵方法 56 3.6 演算法的MATLAB實現 57 第4章 最小二乘問題 63 4.1 線性最小二乘問題的數值解法 63 4.1.1 滿秩線性最小二乘問題 64 4.1.2 虧秩線性最小二乘問題 64 4.2 非線性最小二乘問題的數值解法 65 4.2.1 Gauss-Newton法 65 4.2.2 Levenberg-Marquardt方法(L-M 方法) 66 4.3 演算法的MATLAB實現 67 第5章 線性規劃 71 5.1 線性規劃的標準形式 71 5.2 線性規劃的基本定理 72 5.3 單純形法 73 5.3.1 基本單純形法 73 5.3.2 單純形法的改進 77 5.4 線性規劃問題的對偶問題 78 5.4.1 對偶單純形法 79 5.4.2 對偶線性規劃的應用 81 5.5 演算法的MATLAB實現 84 第6章 動態規劃 91 6.1 理論基礎 91 6.2 最優化原理和基本方程 94 6.3 動態規劃的建模方法及步驟 96 6.4 函數空間反覆運算法和策略空間反覆運算法 98 6.4.1 函數空間反覆運算法 99 6.4.2 策略空間反覆運算法 100 6.5 動態規劃與靜態規劃的關係 103 6.6 演算法的MATLAB實現 104 第7章 整數規劃 112 7.1 理論基礎 112 7.1.1 整數線性規劃的標準形式 112 7.1.2 整數線性規劃的求解 112 7.1.3 松 馳 113 7.1.4 分 解 113 7.2 分支定界法 114 7.3 割平面法 115 7.4 隱枚舉法 118 7.4.1 0-1規劃的標準形式 118 7.4.2 隱枚舉法的基本步驟 119 7.5 匈牙利法 120 7.5.1 指派問題的標準形式 120 7.5.2 匈牙利法的基本步驟 121 7.6 演算法的MATLAB實現 123 第8章 二次規劃問題 128 8.1 等式約束二次規劃的解法 128 8.1.1 零空間方法 128 8.1.2 拉格朗日乘子法 129 8.2 一般凸二次規劃的有效集方法 130 8.3 演算法的MATLAB實現 132 第9章 多目標規劃 134 9.1 多目標規劃的概念 134 9.2 有效解、弱有效解和絕對有效解 135 9.3 處理多目標規劃問題的一些方法 136 9.3.1 評價函數法 136 9.3.2 約束法 140 9.3.3 逐步法 140 9.3.4 分層求解法 141 9.3.5 圖解法 143 9.4 權係數的確定方法 144 9.4.1 α 方法 144 9.4.2 老手法 144 9.4.3 最小平方法 145 9.5 目標規劃法 145 9.5.1 目標規劃模型 145 9.5.2 目標點法 148 9.5.3 目標規劃單純形法 149 9.6 演算法的MATLAB實現 153 第10章 圖 論 161 10.1 圖的理論基礎 161 10.1.1 圖的基本概念 161 10.1.2 圖的矩陣表示 165 10.1.3 圖論的基本性質和定理 166 10.2 最短路 166 10.2.1 Dijkstra演算法 167 10.2.2 Warshall-Floyd演算法 167 10.2.3 求最大可靠路的演算法 168 10.2.4 求期望最大可靠容量路 168 10.3 樹 169 10.3.1 求最小樹的Kruskal演算法 170 10.3.2 求最小樹的Prim演算法 171 10.4 歐拉(Euler)圖和Hamilton圖 171 10.4.1 Euler圖 171 10.4.2 中國郵遞員問題 172 10.4.3 Hamilton圖 173 10.4.4 旅行售貨員問題 173 10.5 匹配問題及其演算法 174 10.5.1 匹配、完善匹配、最大匹配 174 10.5.2 匹配的基本定理 174 10.5.3 人員分配問題 175 10.5.4 最優分派問題 176 10.6 網路流的演算法 177 10.6.1 網路和流 177 10.6.2 割 178 10.6.3 網路的最大流問題及Ford-Fulkerson演算法 178 10.7 最小費用流 179 10.7.1 最小費用流問題 180 10.7.2 Busacker-Gowan反覆運算演算法 181 10.8 圖的染色 182 10.8.1 頂點染色及其演算法 182 10.8.2 邊染色及其演算法 183 10.9 演算法的MATLAB實現 183 下 篇 現代智慧優化演算法 第11章 進化演算法 199 11.1 進化演算法概述 199 11.2 遺傳演算法 200 11.2.1 遺傳演算法的基本概念 201 11.2.2 遺傳演算法的分析 203 11.2.3 遺傳運算元 205 11.2.4 控制參數的選擇 207 11.2.5 簡單遺傳演算法的改進 208 11.3 進化規劃演算法 210 11.3.1 進化規劃演算法運算元 211 11.3.2 進化演算法的改進演算法 212 11.3.3 進化規劃演算法的特點 214 11.4 進化策略演算法 215 11.4.1 進化策略演算法的基本流程 215 11.4.2 進化策略演算法的構成要素 215 11.5 進化規劃與進化策略的關係 217 11.6 差分進化計算 217 11.6.1 差分進化計算的基本流程 218 11.6.2 差分進化計算的構成要素 218 11.6.3 差分進化計算的特點 219 11.7 Memetic演算法 220 11.7.1 基本概念 220 11.7.2 Memetic演算法的基本流程 221 11.7.3 Memetic演算法的要點 222 11.7.4 Memetic演算法的優點 222 11.8 演算法的MATLAB實現 223 第12章 類比退火演算法 235 12.1 固體退火與類比退火演算法 235 12.1.1 固體退火過程和Metropolis準則 235 12.1.2 類比退火演算法的基本過程 236 12.2 類比退火演算法的控制參數 237 12.3 類比退火演算法的改進 239 12.4 演算法的MATLAB實現 240 第13章 禁忌演算法 245 13.1 禁忌搜索 245 13.1.1 禁忌搜索示例 245 13.1.2 禁忌演算法的流程 247 13.1.3 禁忌演算法的特點 247 13.2 禁忌演算法的關鍵參數和操作 248 13.3 演算法的MATLAB實現 250 第14章 蟻群演算法 255 14.1 螞蟻系統模型 255 14.1.1 基本概念 255 14.1.2 螞蟻系統的基本模型 256 14.1.3 蟻密系統、蟻量系統和蟻周系統 257 14.1.4 蟻群演算法的特點 258 14.2 蟻群演算法的參數分析 258 14.3 蟻群演算法的改進 259 14.3.1 帶精英策略的螞蟻系統 259 14.3.2 基於優化排序的螞蟻系統 259 14.3.3 蟻群系統 260 14.3.4 最大最小螞蟻系統 261 14.3.5 最優最差螞蟻系統 262 14.3.6 自我調整蟻群演算法 263 14.4 演算法的MATLAB實現 264 第15章 粒子群演算法 269 15.1 粒子群演算法的基本原理 269 15.2 全域模式與局部模式 270 15.3 改進的粒子群演算法 271 15.3.1 帶活化因數的粒子群演算法 271 15.3.2 動態自我調整慣性粒子群演算法 272 15.3.3 自我調整隨機慣性權重粒子群演算法 273 15.4 粒子群演算法的特點 274 15.5 演算法的MATLAB實現 274 第16章 人工魚群演算法 279 16.1 人工魚群演算法的基本原理 279 16.2 人工魚的結構模型 279 16.3 人工魚的四種基本行為演算法描述 280 16.4 人工魚群演算法流程 281 16.5 各種參數對演算法收斂性能的影響 283 16.6 人工魚群演算法的改進 285 16.7 全域人工魚群演算法 287 16.8 演算法的MATLAB實現 289 第17章 混合蛙跳演算法 294 17.1 基本原理 294 17.2 基本術語 294 17.3 演算法的基本流程及運算元 295 17.4 演算法控制參數的選擇 297 17.5 混合蛙跳演算法的改進 298 17.6 演算法的MATLAB實現 300 第18章 量子遺傳演算法 302 18.1 量子計算的基礎知識 302 18.2 量子計算 303 18.3 量子遺傳演算法的流程 306 18.4 量子遺傳演算法的控制參數 308 18.5 量子遺傳演算法的改進 309 18.6 演算法的MATLAB實現 311 第19章 人工蜂群演算法 314 19.1 自然界中的蜂群 314 19.2 人工蜂群演算法的基本原理 316 19.3 人工蜂群演算法的流程 317 19.4 演算法控制參數 319 19.5 人工蜂群演算法的改進 319 19.6 演算法的MATLAB實現 321 第20章 混沌優化演算法 325 20.1 混沌優化的概念和原理 325 20.1.1 混沌的發展 325 20.1.2 混沌的定義及其特徵 326 20.2 混沌優化 327 20.2.1 混沌優化方法 328 20.2.2 混沌優化演算法的改進 329 20.3 演算法的MATLAB實現 331 第21章 人工免疫演算法 333 21.1 人工免疫演算法概述 333 21.1.1 生物免疫系統 333 21.1.2 生物免疫基本原理 334 21.1.3 人工免疫系統及免疫演算法 336 21.1.4 人工免疫演算法與遺傳演算法的比較 340 21.2 免疫遺傳演算法 341 21.3 免疫規劃演算法 342 21.4 免疫策略演算法 343 21.5 基於動態疫苗提取的免疫遺傳演算法 344 21.6 免疫克隆選擇演算法 346 21.7 演算法的MATLAB實現 348 第22章 細菌覓食演算法 354 22.1 大腸桿菌的覓食行為 354 22.2 細菌覓食演算法的基本原理 354 22.2.1 演算法的主要步驟與流程 356 22.2.2 演算法參數的選取 358 22.3 細菌覓食演算法的改進 359 22.4 演算法的MATLAB實現 362 第23章 貓群演算法 366 23.1 貓群演算法的基本思想 366 23.1.1 基本術語 367 23.1.2 基本流程 368 23.2 控制參數的選擇 369 23.3 貓群演算法與粒子群演算法的比較 369 23.4 貓群演算法的改進 370 23.5 演算法的MATLAB實現 370 第24章 神經網路與神經網路優化演算法 373 24.1 人工神經網路的基本概念 373 24.1.1 人工神經元 373 24.1.2 傳遞函數 373 24.2 神經網路的模型 374 24.2.1 單層感知機 374 24.2.2 多層感知機 374 24.2.3 徑向基函數神經網路 377 24.2.4 自組織競爭人工神經網路 378 24.2.5 對向傳播神經網路 379 24.2.6 回饋型神經網路 381 24.3 神經網路與優化問題 383 24.3.1 求解優化問題的神經網路方法 384 24.3.2 求解組合優化問題的神經網路方法 386 24.4 演算法的MATLAB實現 388 第25章 其他群智慧優化演算法 392 25.1 群智能概述 392 25.2 人工螢火蟲群優化演算法 395 25.3 蝙蝠演算法 397 25.4 果蠅優化演算法 399 25.5 生物地理優化演算法 400 25.6 入侵野草優化演算法 403 25.7 引力搜索演算法 404 25.8 競選演算法 407 25.9 人工植物優化演算法 410 25.10 文化演算法 412 25.11 和聲搜索演算法 418 25.12 灰狼優化演算法 420 25.13 布穀鳥搜索演算法 422 25.14 化學反應優化演算法 423 25.15 演算法的MATLAB實現 426 第26章 混合優化演算法 433 26.1 混合優化策略 433 26.1.1 演算法流程要素433 26.1.2 混合優化策略的關鍵問題 434 26.2 優化演算法的性能評價指標 435 26.3 混合演算法的統一結構 436 26.4 混合優化策略的應用 438 26.4.1 遺傳演算法類比退火演算法的混合優化策略 438 26.4.2 基於類比退火單純形演算法的混合策略 440 26.4.3 基於混合策略的TSP優化 442 26.4.4 基於混合策略的神經網路權值學習 443 26.5 混合優化演算法的發展趨勢 446 26.6 演算法的MATLAB實現 446 參考文獻 456
|
序: |
|