计算智能2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

计算智能PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1最优化问题2

1.1.1函数优化问题3

1.1.2组合优化问题3

1.2计算复杂性及NP理论4

1.2.1计算复杂性4

1.2.2 NP理论5

1.3智能优化计算方法：计算智能算法6

1.3.1计算智能的分类与理论7

1.3.2计算智能的研究与发展9

1.3.3计算智能的特征与应用10

1.4本章习题11

本章参考文献11

第2章 神经网络13

2.1神经网络简介14

2.1.1神经网络的基本原理14

2.1.2神经网络的研究进展15

2.2神经网络的典型结构17

2.2.1单层感知器网络17

2.2.2前馈型网络18

2.2.3前馈内层互联网络19

2.2.4反馈型网络19

2.2.5全互联网络20

2.3神经网络的学习算法20

2.3.1学习方法20

2.3.2学习规则21

2.4 BP神经网络23

2.4.1基本思想23

2.4.2算法流程24

2.4.3应用举例25

2.5进化神经网络27

2.6神经网络的应用27

2.7本章习题30

本章参考文献30

第3章 模糊逻辑33

3.1模糊逻辑简介34

3.1.1模糊逻辑的基本原理34

3.1.2模糊逻辑与模糊系统的发展历程35

3.2模糊集合与模糊逻辑36

3.2.1模糊集合与隶属度函数36

3.2.2模糊集合上的运算39

3.2.3模糊逻辑40

3.2.4模糊关系及其合成运算41

3.3模糊逻辑推理42

3.3.1模糊规则、语言变量和语言算子42

3.3.2模糊推理43

3.4模糊计算的流程45

3.4.1基本思想46

3.4.2算法流程46

3.5模糊逻辑的应用48

3.6本章习题50

本章参考文献50

第4章 遗传算法53

4.1遗传算法简介54

4.1.1基本原理54

4.1.2研究进展57

4.2遗传算法的流程58

4.2.1流程结构58

4.2.2应用举例63

4.3遗传算法的改进65

4.3.1算子选择65

4.3.2参数设置66

4.3.3混合遗传算法68

4.3.4并行遗传算法68

4.4遗传算法的应用71

4.5本章习题73

本章参考文献73

第5章 蚁群优化算法81

5.1蚁群优化算法简介82

5.1.1基本原理82

5.1.2研究进展84

5.2蚁群优化算法的基本流程85

5.2.1基本流程85

5.2.2应用举例87

5.3蚁群优化算法的改进版本88

5.3.1精华蚂蚁系统89

5.3.2基于排列的蚂蚁系统89

5.3.3最大最小蚂蚁系统90

5.3.4蚁群系统91

5.3.5蚁群算法的其他改进版本94

5.4蚁群优化算法的相关应用96

5.5蚁群优化算法的参数设置98

5.6本章习题100

本章参考文献100

第6章 粒子群优化算法107

6.1粒子群优化算法简介108

6.1.1思想来源108

6.1.2基本原理109

6.2粒子群优化算法的基本流程111

6.2.1基本流程111

6.2.2应用举例113

6.3粒子群优化算法的改进研究113

6.3.1理论研究改进115

6.3.2拓扑结构改进116

6.3.3混合算法改进119

6.3.4离散版本改进121

6.4粒子群优化算法的相关应用121

6.4.1优化与设计应用121

6.4.2调度与规划应用122

6.4.3其他方面的应用123

6.5粒子群优化算法的参数设置123

6.6本章习题124

本章参考文献125

第7章 免疫算法131

7.1免疫算法简介132

7.1.1思想来源132

7.1.2免疫系统的生物学原理简介133

7.1.3二进制模型134

7.2免疫算法的基本流程137

7.2.1基本流程137

7.2.2更一般化的基本免疫算法139

7.3常用免疫算法141

7.3.1负选择算法141

7.3.2克隆选择算法142

7.3.3免疫算法和进化计算146

7.4免疫算法的相关应用148

7.4.1识别和分类应用148

7.4.2优化应用148

7.4.3其他方面的应用149

7.5本章习题149

本章参考文献150

第8章 分布估计算法155

8.1分布估计算法简介156

8.1.1分布估计算法产生的背景156

8.1.2分布估计算法的发展历史157

8.2分布估计算法的基本流程158

8.2.1基本的分布估计算法158

8.2.2一个简单分布估计算法的例子160

8.3分布估计算法的改进及理论研究161

8.3.1概率模型的改进161

8.3.2混合分布估计算法166

8.3.3并行分布估计算法167

8.3.4分布估计算法的理论研究169

8.4分布估计算法的应用169

8.5本章习题171

本章参考文献172

第9章 Memetic算法177

9.1 Memetic算法的基本思想178

9.2 Memetic算法的基本框架179

9.3静态Memetic算法182

9.3.1局部搜索的位置182

9.3.2 Lamarckian模式和Baldwinian模式183

9.4动态Memetic算法183

9.4.1动态MA的简介与分类183

9.4.2 Meta-Lamarckian学习型MA185

9.4.3超启发式MA186

9.4.4协同进化MA187

9.5 Memetic算法的理论与应用研究展望189

9.6本章习题190

本章参考文献191

第10章 模拟退火与禁忌搜索195

10.1模拟退火算法196

10.1.1算法思想196

10.1.2基本流程198

10.1.3应用举例200

10.2禁忌搜索算法201

10.2.1算法思想201

10.2.2基本流程203

10.2.3应用举例204

10.3本章习题206

本章参考文献206

附录A索引209