《現代智慧型最佳化混合算法及其套用（第2版）》是2014年出版的圖書，作者是梁旭等。
基本介紹
- 書名：《現代智慧型最佳化混合算法及其套用（第2版）》
- 作者：梁旭,黃明,寧濤 等
- ISBN：9787121234446
- 類別：教育 >> 本科研究生 >> 計算機類
- 頁數：252頁
- 出版時間：2014-07
圖書信息,內容簡介,目 錄,
圖書信息
作 譯 者：梁旭,黃明,寧濤 等
出版時間：2014-07
千 字 數：404
內容簡介
智慧型最佳化混合算法是一種以某類最佳化算法為基礎，融合其他智慧型算法或理論的混合算法，可用於求解各種工程問題最佳化解。 本書系統討論了現今套用較為廣泛的幾種智慧型最佳化混合算法，主要內容來源於作者多年的研究成果，使讀者比較全面地了解智慧型最佳化混合算法的相關知識及套用。本書理論聯繫實際，集知識性、專業性、操作性、技能性為一體，對智慧型最佳化混合算法的原理、步驟、套用等進行了全面且詳細的介紹。
目 錄
第1章 緒論 1
1.1 智慧型最佳化算法簡介 1
1.1.1 遺傳算法簡介 1
1.1.2 蟻群算法簡介 11
1.1.3 退火算法簡介 20
1.1.4 雲遺傳算法簡介 32
1.2 混合最佳化算法簡介 40
1.2.1 混合最佳化算法概述 40
1.2.2 混合最佳化算法現狀 40
1.3 本章小結 41
第2章 混合遺傳算法 42
2.1 基本遺傳算法 42
2.1.1 基本遺傳算法及流程圖 42
2.1.2 基本遺傳算法的特點 51
2.2 改進的遺傳算法 52
2.2.1 雙閾值控制的遺傳算法 52
2.2.2 改進的偽並行遺傳算法 57
2.2.3 改進的小生境遺傳算法 61
2.2.4 改進的自適應遺傳算法 64
2.2.5 基於免疫原理的新最佳化遺傳算法 66
2.2.6 模式理論及模式導向的遺傳算法 73
2.2.7 改進的雙倍體遺傳算法 76
2.2.8 改進的並行遺傳算法 83
2.3 遺傳算法與其他最佳化算法的融合 88
2.3.1 病毒進化遺傳算法 88
2.3.2 改進的DNA免疫遺傳算法 91
2.4 本章小結 94
第3章 混合蟻群算法 95
3.1 基本蟻群算法 95
3.1.1 基本蟻群算法及流程圖 95
3.1.2 基本蟻群算法的特點 100
3.2 改進的蟻群算法 101
3.2.1 一種改進的非均勻視窗蟻群算法 101
3.2.2 基於變異和動態信息素更新的蟻群最佳化算法 107
3.3 蟻群、遺傳算法的融合——動態蟻群遺傳算法 110
3.4 本章小結 114
第4章 混合退火算法 115
4.1 基本退火算法 115
4.1.1 基本退火算法及流程圖 115
4.1.2 基本退火算法的特點 120
4.2 退火算法與其他最佳化算法的融合 121
4.2.1 改進的遺傳退火算法 121
4.2.2 基於學習機制的退火併行遺傳算法 125
4.3 本章小結 130
第5章 其他典型混合最佳化算法 131
5.1 禁忌-並行混合遺傳算法 131
5.1.1 禁忌-並行遺傳算法的關鍵技術 132
5.1.2 混合算法流程 134
5.2 周期性病毒進化遺傳算法 135
5.2.1 新的周期性病毒進化遺傳算法的基本思想 135
5.2.2 改進的周期性病毒進化遺傳算法流程 139
5.2.3 改進的周期性病毒進化遺傳算法的優點 139
5.3 改進的決策樹學習算法 140
5.4 改進的廣義粒子群最佳化算法 145
5.4.1 基本粒子群最佳化算法介紹 145
5.4.2 基本粒子群最佳化機理分析 146
5.4.3 廣義粒子群最佳化算法模型 147
5.4.4 GPSO的具體流程 149
5.5 一種基於粒子群最佳化的反向傳播神經網路算法 150
5.6 一種基於混沌最佳化的模糊聚類方法 156
5.6.1 聚類的定義 156
5.6.2 基於混沌最佳化的模糊聚類 157
5.7 本章小結 160
第6章 雲遺傳算法及其套用 161
6.1 基本雲遺傳算法 161
6.1.1 雲模型發生器 161
6.1.2 基本雲遺傳算法及流程圖 163
6.2 改進的雲遺傳算法 167
6.2.1 雲自適應遺傳算法 167
6.2.2 雲自適應量子遺傳算法 169
6.3 本章小結 175
第7章 混合最佳化算法的典型套用 176
7.1 TSP問題 176
7.1.1 旅行商問題模型 176
7.1.2 採用動態蟻群遺傳算法求解TSP問題 178
7.2 0-1背包問題 183
7.2.1 0-1背包問題模型 183
7.2.2 使用改進的遺傳退火算法求解0-1背包問題 187
7.3 車間調度問題 192
7.3.1 車間調度問題的描述 193
7.3.2 雙閾值控制的遺傳算法求解車間調度問題 194
7.4 車輛路徑問題 200
7.4.1 車輛路徑問題描述 200
7.4.2 自適應遺傳算法求解車輛路徑問題 203
7.5 裝箱問題 207
7.5.1 裝箱問題描述 208
7.5.2 使用基於學習機制的退火併行遺傳算法求解裝箱問題 211
7.6 圖著色問題 217
7.6.1 圖著色問題描述 217
7.6.2 周期性病毒進化遺傳算法求解圖著色問題 218
7.7 本章小結 223
第8章 總結及展望 224
8.1 主要工作總結及創新 224
8.2 未來發展方向 226
8.3 本章小結 228
參考文獻 229
