智慧型最佳化算法與湧現計算

《智慧型最佳化算法與湧現計算》是2019年清華大學出版社出版的圖書，作者是李士勇、李研、林永茂。

基本介紹

• 書名：智慧型最佳化算法與湧現計算
• 作者：李士勇 李 研 林永茂
• ISBN：9787302517429
• 定價：119元
• 出版時間：2019.08.01

圖書簡介

智慧型最佳化算法與湧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、器官等的仿人智慧型最佳化算法；模擬群居動物覓食或繁殖行為的群智慧型最佳化算法；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；模擬複雜適應系統湧現行為的湧現計算等80餘種算法。本書可作為智慧型科學、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。

內容簡介

本書精選了106種原創的智慧型最佳化算法，一般稱它們為基本算法。本書把這些算法概括分為六大類，並分別編入六篇共106章加以介紹。各篇的內容概括如下。

第一篇：仿人智慧型最佳化算法，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種智慧型最佳化算法。

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，不斷地進化的最佳化算法10種。

第三篇：群智慧型最佳化算法，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最佳化算法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、最佳化行為的算法10種。

第五篇：仿自然最佳化算法，包括模擬風、雨、雲等自然現象，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最佳化算法27種。

第六篇：湧現計算，指模擬自然界中複雜適應系統的湧現現象、湧現行為，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最佳化問題最優或準最優的模擬解。本篇介紹湧現計算的5種例子，包括一維元胞自動機的湧現計算、Conwey生命遊戲的湧現計算、螞蟻系統覓食路徑的湧現計算、數字人工生命Autolife的湧現行為和黏菌的鐵路網路湧現計算。

圖書目錄

第一篇仿人智慧型最佳化算法

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模糊關係與模糊矩陣

1．4模糊推理規則

1．5模糊系統的萬能逼近特性

第2章神經網路算法

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人工神經網路及其特點

2．4前向神經網路的結構、訓練及學習

2．5神經網路的學習規則

2．6前向網路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免疫系統的學習及最佳化機理

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、免疫系統之間的關係

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基於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章禁忌搜尋算法

7．1禁忌搜尋算法的提出

7．2組合最佳化中的鄰域概念

7．3局部搜尋算法 ...

7．4禁忌搜尋算法

7．5禁忌搜尋算法主要操作及參數

第8章和聲搜尋算法

8．1和聲搜尋算法的提出

8．2和聲搜尋算法的原理及結構

8．3和聲搜尋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多智慧型體社會進化系統

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求解全局最佳化問題的瞭望算法的實現

第14章視覺認知最佳化算法

14．1視覺認知最佳化算法的提出

14．2視覺認知最佳化算法的原理

14．3視覺認知最佳化算法的描述與步驟

14．4算法的收斂性證明

14．5視覺認知最佳化算法的實現舉例

14．6基於視覺認知的可視化算法

第15章頭腦風暴最佳化算法

15．1頭腦風暴最佳化算法的提出

15．2頭腦風暴最佳化算法的基本思想

15．3頭腦風暴過程的描述

15．4頭腦風暴最佳化算法的描述及實現步驟

15．5基於討論機制的頭腦風暴最佳化算法

第16章隨機聚焦搜尋最佳化算法

16．1隨機聚焦搜尋最佳化算法的提出

16．2隨機聚焦搜尋最佳化算法的原理

16．3隨機聚焦搜尋最佳化算法的描述

16．4隨機聚焦搜尋算法的基本步驟

16．5基於隨機聚焦搜尋算法的衝壓成形工藝最佳化

第17章教學最佳化算法

17．1教學最佳化算法的提出

17．2教學最佳化算法的原理

17．3教學最佳化算法的數學描述

17．4教學最佳化算法的實現步驟

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章世界盃競賽算法

19．1世界盃競賽算法的提出

19．2世界盃競賽算法的描述

19．3世界盃競賽算法的實現流程

第20章集體決策最佳化算法

20．1集體決策最佳化算法的提出

20．2集體決策最佳化的基本思想

20．3集體決策最佳化算法的數學描述

20．4集體決策最佳化算法的實現

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遺傳算法的最佳化原理

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文化算法求解約束最佳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

第三篇群智慧型最佳化算法

第31章蟻群最佳化算法/蟻獅最佳化算法

31．1蟻群最佳化算法的提出

31．2螞蟻的習性及覓食行為

31．3蟻群覓食策略的最佳化原理

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蟻獅最佳化算法的提出

31.7蟻獅的狩獵行為

31.8蟻獅最佳化算法的原理

31.9蟻獅最佳化算法的數學描述

31.10蟻獅最佳化算法的實現

第32章粒子群最佳化算法

32．1粒子群最佳化算法的提出

32．2粒子群最佳化算法的基本原理

32．3粒子群最佳化算法的描述

32．4粒子群最佳化算法的實現步驟及流程

32．5粒子群最佳化算法的特點及其改進

第33章人工蜂群算法/蜂群最佳化算法

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基於蜜蜂繁殖行為的蜂群最佳化算法

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章鯨魚最佳化算法

37．1鯨魚最佳化算法的提出

37．2鯨魚的泡泡網覓食行為

37．3鯨魚最佳化算法的原理

37．4鯨魚最佳化算法的數學描述

37．5鯨魚最佳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章細菌覓食最佳化算法

39．1細菌覓食最佳化算法的提出

39．2大腸桿菌的結構及覓食行為

39．3細菌覓食最佳化算法的原理

39．4細菌覓食最佳化算法的數學描述

39．5細菌覓食最佳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章細菌菌落最佳化算法

41．1細菌菌落最佳化算法的提出

41．2細菌的生長、繁殖、死亡過程

41．3細菌菌落最佳化算法的原理

41．4細菌菌落最佳化算法的設計

41．5細菌菌落最佳化算法的實現步驟及流程

第42章貓群最佳化算法

42．1貓群最佳化算法的提出

42．2貓的習性

42．3貓群最佳化算法的原理

42．4貓群最佳化算法的數學描述

42．5貓群最佳化算法的實現步驟

42．6貓群最佳化算法實現的程式流程

第43章鼠群最佳化算法

43．1鼠群最佳化算法的提出

43．2鼠群最佳化算法的原理

43．3鼠群最佳化算法及其環境描述

43．4鼠群最佳化算法的實現步驟

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章雞群最佳化算法

45．1雞群最佳化算法的提出

45．2雞群最佳化算法的基本思想

45．3雞群最佳化算法的數學描述

45．4雞群最佳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狼的習性及狼群特徵

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章灰狼最佳化算法

47．1灰狼最佳化算法的提出

47．2灰狼的社會等級及狩獵行為

47．3灰狼最佳化算法的數學描述

47．4灰狼最佳化算法的實現步驟及流程

第48章獅子最佳化算法

48．1獅子最佳化算法的提出

48．2獅子的習性

48．3獅子最佳化算法的原理

48．4獅子最佳化算法的數學描述

48．5獅子最佳化算法的實現

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章雁群最佳化算法

50．1雁群最佳化算法的提出

50．2雁群飛行規則及其假設

50．3雁群最佳化算法的基本思想

50．4雁群最佳化算法的數學描述

50．5雁群最佳化算法的實現步驟及流程

第51章候鳥最佳化算法

51.1候鳥最佳化算法的提出

51.2候鳥V字形編隊飛行的最佳化原理

51.3候鳥最佳化算法的描述

51.4候鳥最佳化算法的實現步驟及流程

51.5候鳥最佳化算法的特點及參數分析

第52章布穀鳥搜尋算法

52.1布穀鳥搜尋算法的提出

52.2布穀鳥的繁殖行為與Levy飛行

52.3布穀鳥搜尋算法的原理

52.4布穀鳥搜尋算法的數學描述

52.5布穀鳥搜尋算法的實現步驟及流程

第53章螢火蟲群最佳化算法/螢火蟲算法

53.1螢火蟲群最佳化算法的提出

53.2螢火蟲閃光的特點及功能

53.3螢火蟲群最佳化算法的數學描述

53.4螢火蟲群最佳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章飛蛾撲火最佳化算法

54.1飛蛾撲火最佳化算法的提出

54.2飛蛾的橫嚮導航方法

54.3飛蛾撲火的原理

54.4飛蛾撲火最佳化算法的數學描述

54.5飛蛾撲火最佳化算法的實現步驟

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章果蠅最佳化算法

56.1果蠅最佳化算法的提出

56.2果蠅的生物價值及覓食行為

56.3果蠅最佳化算法的基本原理

56.4果蠅最佳化算法的數學描述

56.5果蠅最佳化算法的實現步驟及流程

第57章群居蜘蛛最佳化算法

57.1群居蜘蛛最佳化算法的提出

57.2蜘蛛的習性與特徵

57.3群居蜘蛛最佳化算法的基本思想

57.4群居蜘蛛最佳化算法的數學描述

57.5蜘蛛最佳化算法的實現步驟及流程

第58章蟑螂最佳化算法

58.1蟑螂最佳化算法的提出

58.2蟑螂的習性

58.3蟑螂最佳化算法的原理

58.4蟑螂最佳化算法的數學描述

58.5蟑螂最佳化算法的實現步驟

第59章捕食搜尋算法

59.1捕食搜尋算法的提出

59.2動物捕食策略

59.3捕食搜尋算法的基本思想

59.4捕食搜尋算法的數學描述

59.5捕食搜尋算法的實現步驟及流程

第60章自由搜尋算法

60.1自由搜尋算法的提出

60.2自由搜尋算法的最佳化原理

60.3自由搜尋算法的數學描述

60.4自由搜尋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章共生生物搜尋算法

62.1共生生物搜尋算法的提出

62.2共生生物搜尋算法的原理

62.3共生生物搜尋算法的數學描述

62.4SOS算法的實現步驟及流程

第63章生物地理學最佳化算法

63.1生物地理學最佳化算法的提出

63.2生物地理學的基本概念及生物物種遷移模型

63.3生物地理學最佳化算法的原理

63.4生物地理學最佳化算法的數學描述

63.5生物地理學最佳化算法的實現步驟及流程

第64章競爭最佳化算法

64.1競爭最佳化算法的提出

64.2競爭最佳化算法的原理

64.3競爭最佳化算法的描述

64.4競爭最佳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章人工植物最佳化算法

66．1人工植物最佳化算法的提出

66．2人工植物最佳化算法的最佳化原理

66．3人工植物最佳化算法的數學描述

66．4人工植物最佳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小樹生長算法的最佳化原理

68．3小樹生長算法的數學描述

68．4小樹生長算法的程式實現

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最佳化機理

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章根樹最佳化算法

70．1根樹最佳化算法的提出

70．2根樹最佳化算法的基本原理

70．3根樹最佳化算法的數學描述

70．4RTO算法的實現步驟

第71章森林最佳化算法

71．1森林最佳化算法的提出

71．2森林最佳化算法的原理

71．3森林最佳化算法的數學描述

71．4森林最佳化算法的實現步驟及流程

第72章入侵草最佳化算法

72．1入侵草最佳化算法的提出

72．2雜草生長的入侵性

72．3入侵草最佳化算法的原理

72．4入侵草最佳化算法的數學描述

72．5入侵草最佳化算法的實現步驟及流程

第73章種子最佳化算法

73．1種子最佳化算法的提出

73．2種子最佳化算法的基本思想

73．3種子最佳化算法的數學描述

73．4基於常態分配的種子最佳化算法

第74章花朵授粉算法

74．1花朵授粉算法的提出

74．2花朵授粉的特徵

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

第五篇仿自然最佳化算法

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章混沌最佳化算法

76．1混沌最佳化算法的提出

76．2混沌學與Logistic映射

76．3混沌最佳化算法的實現步驟

76．4變尺度混沌最佳化算法的實現步驟

第77章混沌黃金分割搜尋算法

77．1混沌黃金分割搜尋算法的提出

77．2混沌黃金分割搜尋算法的原理及數學描述

77．3混沌黃金分割搜尋算法的結構

77．4混沌黃金分割搜尋算法的實現步驟及流程

第78章隨機分形搜尋算法

78．1隨機分形搜尋算法的提出

78．2隨機分形搜尋的原理

78．3分形搜尋算法的數學描述

78．4分形搜尋算法的實現步驟

78．5隨機分形搜尋算法的數學描述及實現步驟

第79章量子搜尋算法

79．1量子搜尋算法的提出

79．2量子計算基礎

79．3Grover量子搜尋算法的原理

79．4Grover算法的搜尋步驟

79．4量子遺傳算法的原理及實現步驟

第80章智慧型水滴最佳化算法

80．1智慧型水滴最佳化算法的提出

80．2智慧型水滴最佳化算法的基本原理

80．3智慧型水滴最佳化算法的數學描述

80．4智慧型水滴最佳化算法求解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章水波最佳化算法

82．1水波最佳化算法的提出

82．2水波現象與水波理論

82．3水波最佳化算法的基本原理

82．4水波最佳化算法的數學描述

82．5水波最佳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章雲搜尋最佳化算法

84．1雲搜尋最佳化算法的提出

84．2雲搜尋最佳化算法的基本思想

84．3雲搜尋最佳化算法的數學描述

84．4雲搜尋最佳化算法的實現步驟

第85章氣象雲模型最佳化算法

85．1氣象雲模型最佳化算法的提出

85．2氣象雲模型最佳化算法的基本思想

85．3氣象雲模型最佳化算法的數學描述

85．4氣象雲模型最佳化算法的實現步驟及流程

第86章風驅動最佳化算法

86．1風驅動最佳化算法的提出

86．2風驅動最佳化算法的原理

86．3風驅動最佳化算法的數學描述

86．4風驅動最佳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BC算法實現步驟及流程

第88章中心引力最佳化算法

88．1中心引力最佳化算法的提出

88．2中心引力最佳化算法的原理

88．3中心引力最佳化算法的數學描述

88．4中心引力最佳化算法的實現步驟

第89章引力搜尋算法

89．1引力搜尋算法的提出

89．2引力搜尋算法的原理

89．3引力搜尋算法的數學描述

89．4引力搜尋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行星和恆星的形成理論

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章極值動力學最佳化算法

91．1極值動力學最佳化算法的提出

91．2BS生物演化模型

91．3極值動力學最佳化算法的原理

91．4極值動力學最佳化算法的描述

91．5極值動力學最佳化算法的實現步驟及流程

91．6極值動力學最佳化算法的特點

第92章擬態物理學最佳化算法

92．1擬態物理學最佳化算法的提出

92．2擬態物理學

92．3擬態物理學最佳化算法的基本思想

92．4擬態物理學最佳化算法的數學描述

92．5擬態物理學最佳化算法的實現步驟

第93章分子動理論最佳化算法

93．1分子動理論最佳化算法的提出

93．2分子動理論的相關知識

93．3分子動理論最佳化算法的原理

93．4分子動理論最佳化算法的數學描述

93．5分子動理論最佳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章熱傳遞搜尋算法

95．1熱傳遞搜尋算法的提出

95．2熱傳遞搜尋算法的原理

95．3熱傳遞搜尋算法的數學描述

94．4熱傳遞搜尋算法的流程

第96章渦流搜尋算法

96．1渦流搜尋算法的提出

96．2渦流搜尋算法的原理

96．3渦流搜尋算法的數學描述

96．4渦流搜尋算法的實現及流程

第97章閃電搜尋算法

97．1閃電搜尋算法的提出

97．2閃電搜尋算法的原理

97．3閃電搜尋算法的數學描述

97．4閃電搜尋算法的實現步驟及流程

第98章光線最佳化算法

98．1光線最佳化算法的提出

98．2光線最佳化算法的原理

98．3光線最佳化算法的數學描述

98．4光線最佳化算法的流程

第99章化學反應最佳化算法

99．1化學反應最佳化算法的提出

99．2化學反應最佳化算法的原理

99．3化學反應最佳化算法的數學描述

99．4化學反應最佳化算法的實現步驟及流程

第100章正弦餘弦算法

100．1正弦餘弦算法的提出

100．2正弦餘弦算法的原理

100．3正弦餘弦算法的數學描述

100．4正弦餘弦算法的偽代碼實現

第101章陰陽對最佳化算法

101．1陰陽對最佳化算法的提出

101．2陰陽對最佳化算法的基本思想

101．3陰陽對最佳化算法的數學描述

101．4陰陽對最佳化算法的偽代碼實現

第六篇湧現計算

第102章一維元胞自動機的湧現計算

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湧現計算的原理

第103章Conway生命遊戲的湧現計算

103．1Conway生命遊戲的提出

103．2二維細胞自動機的結構和規則

103．3Conway生命遊戲的演化

103．4基於MATLAB的生命遊戲仿真設計

103．5基於MATLAB的生命遊戲仿真算法的實現步驟

第104章螞蟻系統覓食路徑的湧現計算

104．1螞蟻群體覓食行為的湧現現象

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基於Agent的螞蟻群體覓食行為的湧現計算

第105章數字人工生命Autolife的湧現行為

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章黏菌的鐵路網路湧現計算

106．1黏菌湧現計算的提出

106．2黏菌及其習性

106．3黏菌覓食的湧現行為

106．4黏菌交通網路的湧現計算過程

106．5黏菌網路的性能及路徑尋優模型

附錄A智慧型最佳化算法的理論基礎：複雜適應系統理論

參考文獻