智能优化算法及其应用
点此进入淘宝搜索页搜索分類: 图书,自然科学,数学,计算数学,
作者： 黄友锐著
出 版 社： 国防工业出版社
出版时间： 2008-1-1字数： 165000版次： 1页数： 197印刷时间： 2008/01/01开本： 32开印次： 1纸张： 胶版纸I S B N ： 9787118054132包装： 平装内容简介
本书是作者多年来在智能优化算法及其应用所进行的一系列深入研究的基础上撰写而成，同时吸收了国内外许多具有代表性的最新研究成果。全书取材新颖，覆盖面广，深入浅出，注重理论联系实际，力图体现国内外在这一学术领域的最新研究进展。
全书共6章，主要包括:第1章为绪论，介绍优化问题和优化算法及其分类；第三第3、第4和第5章分别介绍遗传算法、免疫克隆选择算法、粒子群算法和蚁群算法的优化流程、机制与特点、收敛性理论、参数选取与实现技术、算法改进等内容，并对改进的算法(自适应遗传算法、免疫遗传算法、量子遗传算法、自适应克隆算法、自适应小生境克隆算法、小生境粒子群算法和小生境蚁群算 法)进行了仿真研究和参数取值分析；第6章首先介绍量子计算的研究进展，进而介绍量子计算的实现过程，并把量子计算应用到固定费用运输问题(fcTP)。最后，本书在附录中给出了主要算法的源代码和相应的测试函数，便于读者使用和研究。
本书可作为与优化相关专业的师生、研究人员以及工程技术人员的参考书。
目录
第1章 绪论
1.1 优化算法及其分类
1.2最优化问题及其分类
1.2.1函数优化问题
1.2.2组合优化问题
第2章 遗传算法
2.1遗传算法的研究进展
2.2遗传算法理论概述
2.2.1遗传算法常用术语
2.2.2遗传算法基本要素
2.2.3遗传算法基本理论
2.3标准遗传算法
2.3.1标准遗传算法及流程图
2.3.2标准遗传算法有关参数的确定
2.3.3标准遗传算法的特点
2.3.4标准遗传算法的应用
2.3.5标准遗传算法的不足
2.4自适应遗传算法
2.4.1算子改进
2.4.2算法特点
2.4.3算法步骤
2.4.4参数设置分析
2.5免疫遗传算法
2.5.1免疫遗传算法原理
2.5.2免疫遗传算子作用的定性分析
2.5.3免疫遗传算法的收敛性
2.5.4免疫遗传算法的特点
2.6量子遗传算法
2.6.1概述
2.6.2量子比特编码
2.6.3量子遗传算法流程
2.6.4量子遗传算法的改进及其应用
2.7算法实现与应用
2.7.1基于遗传算法的PID参数整定及仿真
2.7.2 自适应遗传算法在函数优化中应用
2.7.3基于免疫遗传算法的PID参数整定方法及仿真
第3章 免疫克隆选择算法
3.1免疫算法的研究进展
3.2克隆选择算法原理
3.2.1克隆选择的基本概念
3.2.2标准克隆选择算法
3.2.3免疫克隆选择算法在函数优化中的应用
3.3克隆选择算法的收敛性分析
3.3.1 克隆选择算法的马尔可夫链模型
3.3.2CSA收敛性分析
3.4自适应克隆选择算法
3.4.1算法描述
……
第4章粒子群算法
第5章量子计算
附录A测试函数
附录B各种算法的基本程序
参考文献
书摘插图
第1章绪论
1．1优化算法及其分类
所谓优化算法，其实就是一种搜索过程或规则，它是基于某种思想和机制，通过一定的途径或规则来得到满足用户的问题的解。就优化机制与行为来分，目前工程中常用的优化算法主要可分为：经典优化算法、构造型优化算法、智能优化算法和混合型优化算法。
1．经典优化算法
包括线性规划、动态规划、整数规划和分枝定界等运筹学中的传统算法，其算法计算复杂性一般很大，只适于求解小规模问题。
2．构造型优化算法
用构造的方法快速建立问题的解，通常算法的优化质量差，难以满足工程需要。比如，调度问题中的典型构造方法有：Johnson法、Palmer法、Gupta法、CDS法、Daunenbrin9的快速接近法、NEH法等。
3．智能优化算法
智能优化算法是通过模拟或揭示某些自然现象或过程发展而来的，与普通的搜索算法一样都是一种迭代算法，对问题的数学描述不要求满足可微性、凸性等条件，是以一组解（种群）为迭代的初始值，将问题的参数进行编码，映射为可进行启发式操作的数据结构，仅用到优化的目标函数值的信息，不必用到目标函数的导数信息，搜索策略是结构化和随机化的（概率型），其优点是：具有全局的、并行高效的优化性能，鲁棒性、通用性强等。智能优化算法的适用范围非常广泛，特别适用大规模的并行计算。
……
