本書是作者在計算智慧型方向的系統性研究成果。它緊跟國內外自然計算領域最新的研究動態，從自然辯證的哲學角度，對目前受到關注的各種自然計算模式及其套用領域進行系統的綜述，考慮到各類自然計算模式內在的群體協同“進化”(尋優)機制的普適性，提出基於群體智慧型理解的自然計算統一性理念，並以幾種典型實現模式為例，分別進行具體的形式化描述和統一框架建模，使各類自然計算理念從巨觀到微觀再到巨觀、從統一性到多樣性再到統一性得到較為系統的展現，以期能為相關領域的研究和套用提供新的思路和方法。
本書可供智慧型科學、自動化、計算機科學、電子信息等相關領域的研究生、教師、科研人員以及工程技術人員參考使用，也可供高年級本科生作為開拓視野、增長知識的閱讀材料。
基本介紹
- 書名：自然計算導論
- 作者：吳啟迪
- 頁數：209
- 出版社：上海科學技術出版社
- 出版時間：2011-1-1
- 裝幀：平裝
- 開本：16開
自然計算導論,目錄,
自然計算導論
版 次：1
字 數：300000
印刷時間：2011-1-1
紙 張：膠版紙
印 次：1
I S B N：9787547805671
目錄
第1章 緒論
1.1 從仿生學人工智慧到自然計算
1.2 自然計算
1.3 自然計算的主要研究分支
1.3.1 進化計算
1.3.2 群體智慧型
1.3.3 生物啟發計算
1.3.4 生態計算
1.3.5 複雜自適應計算
第2章 自然計算的研究綜述與統一模型
2.1 自然計算的實現模式總覽
2.2 自然計算模式綜述
2.2.1 元胞自動機
2.2.2 模擬退火算法
2.2.3 人工蜂群算法
2.2.4 人工魚群算法
2.2.5 群搜尋最佳化
2.2.6 細菌覓食算法
2.2.7 細菌趨藥性算法
2.2.8 差分進化
2.2.9 DNA計算
2.2.10 量子計算
2.2.11 複雜自適應系統
2.2.12 混沌最佳化
2.2.13 生物地理學最佳化
2.2.14 自組織遷移算法
2.2.15 膜計算
2.2.16 文化基因算法
2.2.17 文化算法
2.2.18 情感計算
2.2.19 社會認知最佳化
2.3 自然計算的套用與發展趨勢
2.3.1 自然計算套用領域綜述
2.3.2 套用分析與展望
2.4 自然計算的統一模型
2.4.1 自然計算模式的總體形式化描述
2.4.2 自然計算模式的統一框架理念
第3章 進化計算
3.1 遺傳算法概述
3.1.1 遺傳算法的產生
3.1.2 遺傳算法的基本思想
3.1.3 遺傳算法基本操作
3.1.4 遺傳算法的特點
3.2 遺傳算法研究進展
3.2.1 基本操作方法的改進研究
3.2.2 編碼方法的改進研究
3.2.3 保持群體多樣性方法的研究
3.3 遺傳算法的收斂性研究
3.3.1 遺傳算法的一般收斂性理論
3.3.2 遺傳算法的馬爾可夫鏈模型
3.3.3 遺傳算法的收斂性分析
3.4 遺傳算法的基本流程
3.5 遺傳算法的形式化描述
3.6 遺傳算法的自然計算框架模型
3.7 小結
第4章 分布估計算法
4.1 分布估計算法概述
4.1.1 分布估計算法起源
4.1.2 分布估計算法的基本思想
4.2 分布估計算法的基本流程
4.3 分布估計算法的研究進展
4.3.1 離散的分布估計算法
4.3.2 連續的分布估計算法
4.3.3 分布估計算法的理論研究
4.3.4 分布估計算法的研究熱點
4.4 分布估計算法的形式化描述
4.5 分布估計算法的自然計算框架模型
4.6 小結
第5章 神經網路計算
5.1 人工神經網路概述
5.1.1 人工神經元模型
5.1.2 人工神經網路模型
5.1.3 神經網路學習(訓練)方法
5.1.4 人工神經網路的特點
5.2 人工神經網路的總體形式化描述
5.3 Hopfield神經網路的自然計算框架描述
5.3.1 Hopfield神經網路
5.3.2 Hopfield神經網路的形式化描述
5.3.3 Hopfield神經網路的自然計算框架模型
5.4 RBF神經網路的自然計算框架描述
5.4.1 徑向基函式(RBF)神經網路
5.4.2 RBF神經網路的形式化描述
5.4.3 RBF神經網路的自然計算框架模型
5.5 小結
第6章 群體智慧型——蟻群算法
6.1 蟻群算法概述
6.1.1 蟻群算法的起源
6.1.2 蟻群個體的運動規則
6.1.3 實例說明及套用狀況
6.2 蟻群算法的研究進展
6.2.1 蟻群算法的改進
6.2.2 蟻群算法的收斂性研究
6.2.3 蟻群算法的仿真和實現
6.2.4 蟻群算法的套用
6.3 蟻群算法描述
6.3.1 用於求解TSP問題的蟻群算法定義
6.3.2 蟻群算法的形式化描述
6.4 蟻群算法的自然計算框架模型
6.5 小結
第7章 群體智慧型——微粒群算法
7.1 微粒群算法概述
7.2 微粒群算法描述
7.2.1 微粒群算法的基本原理
7.2.2 微粒群算法的數學描述
7.2.3 微粒群算法流程
7.3 微粒群算法研究進展
7.3.1 微粒群算法的改進研究
7.3.2 微粒群算法的套用
7.3.3 微粒群算法的收斂性研究
7.3.4 微粒群算法的參數效能分析
7.4 微粒群算法的形式化描述
7.5 微粒群算法的自然計算框架模型
7.6 小結
第8章 免疫計算
8.1 人工免疫系統概述
8.1.1 人工免疫系統
8.1.2 人工免疫系統的研究概況
8.1.3 人工免疫系統的套用
8.2 人工免疫算法
8.2.1 概述
8.2.2 典型的人工免疫算法
8.2.3 人工免疫算法的收斂性分析
8.2.4 人工免疫算法的工程套用
8.3 標準人工免疫算法描述
8.4 人工免疫算法的形式化描述
8.5 人工免疫算法的自然計算框架模型
8.6 小結
第9章 人工內分泌系統
9.1 人工內分泌系統概述
9.1.1 內分泌系統
9.1.2 人工內分泌系統研究現狀
9.2 人工內分泌系統描述
9.2.1 人工內分泌網路模型定義
9.2.2 人工內分泌網路的動力學描述
9.2.3 網路模型的自適應調節
9.3 基於人工內分泌網路模型的行為控制算法
9.4 人工內分泌網路的形式化描述
9.5 人工內分泌系統的自然計算框架模型
9.6 小結
後記
參考文獻
