 |
-- 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： |
|
