协同进化计算与多智能体系统2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

协同进化计算与多智能体系统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

1.1　从进化论到进化计算1

1.1.1　现代进化论1

第1章　绪论1

1.1.2　生物进化与优化3

1.2　进化计算5

1.2.1　进化计算的主要分支6

1.2.2　进化计算的数学基础8

1.2.3　进化算法的收敛性理论10

1.2.4　进化计算的应用16

1.3.1　协同进化的生物学基础17

1.3　协同进化计算17

1.3.2　协同进化的动力学描述21

1.3.3　协同进化算法的发展现状23

1.4　复杂适应系统26

1.4.1　复杂适应系统26

1.4.2　复杂适应系统的适应性与生物进化过程28

1.4.3　生物进化过程的数学模型31

1.5　多智能体系统34

1.5.1　智能体的基本概念34

1.5.2　智能体形式化描述37

1.5.3　多智能体系统的主要研究内容40

1.5.4　面向问题解决的多智能体系统研究现状43

1.5.5　多智能体系统与分布式人工智能45

1.5.6　多智能体系统与人工生命47

1.5.7　多智能体系统与进化计算49

第2章　组织协同进化分类算法52

2.1　分类问题与组织学习模型52

2.2　用于分类的组织54

2.3　组织适应度函数57

2.4　组织协同进化分类算法58

2.5.1　UCI标准数据集61

2.5　仿真实验比较研究61

2.5.2　算法扩展性分析62

2.6　算法实际应用64

2.6.1　雷达一维像识别64

2.6.2　遥感舰船目标识别67

第3章　组织进化算法求解SAT问题70

3.1　用于SAT问题的组织70

3.2　组织进化算子设计72

3.2.1 自学习算子72

3.2.2　吞并算子72

3.2.3　分裂算子73

3.3 求解SAT问题的组织进化算法74

3.4　仿真实验比较研究77

第4章　组织进化数值优化算法80

4.1　用于数值优化的组织80

4.2　组织进化算子设计81

4.2.1　分裂算子81

4.2.2　吞并算子82

4.2.3　合作算子83

4.3　组织进化数值优化算法84

4.4　收敛性证明84

4.5　无约束优化仿真实验87

4.5.1　OEA的实验结果88

4.5.2　OEA与FEP和OGA/Q的比较90

4.6　有约束优化仿真实验91

4.6.1　OEA与已有方法的性能比较92

4.6.2　OEA的实验结果94

4.6.3　种群规模对OEA求解无约束优化性能的影响95

4.7　参数机理研究96

4.7.1　参数AS和CS对OEA性能的影响97

4.7.2　参数Maxos对OEA性能的影响97

第5章　移动模式序列——一种新的VLSI布图表示方法100

5.1　布图规划问题100

5.2.1　移动模式序列的定义102

5.2　矩形模块移动模式序列102

5.2.2　移动模式序列到布局的转换算法103

5.2.3　移动模式序列到布局转换算法的正确性与计算复杂度分析108

5.3　直线边界模块移动模式序列110

5.3.1　直线边界模块的信息表示结构111

5.3.2　移动模式序列到布局的转换算法112

5.3.3　移动模式序列到布局的转换实例117

第6章　基于移动模式序列的组织进化算法119

6.1　求解布图规划问题的组织定义119

6.2　各类型模块形状的确定119

6.3.2　吞并算子123

6.3　组织进化算子设计123

6.3.1　分裂算子123

6.3.3　培训算子125

6.4　基于移动模式序列的组织进化算法126

6.5　仿真实验比较研究127

6.5.1　硬矩形模块的布图规划实验129

6.5.2　软矩形模块的布图规划实验135

6.5.3　软矩形模块与硬直线边界模块混合的布图规划实验138

第7章 协同进化多目标优化算法求解VLSI布图规划问题140

7.1　多目标优化140

7.1.1 多目标优化问题的起源与数学模型141

7.1.2　经典的多目标进化算法143

7.1.3　种群多样性146

7.1.4　性能评价方法147

7.2　协同进化多目标优化算法148

7.2.1　适应度定义与选择机制149

7.2.2　协同进化算子150

7.2.3　算法描述151

7.2.4　仿真实验比较研究152

7.3.1　协同进化算子设计156

7.3　求解VLSI布图规划问题的协同进化多目标优化算法156

7.3.2　算法描述160

7.3.3　仿真实验比较研究161

第8章　用于超高维函数优化的多智能体遗传算法165

8.1　用于函数优化的智能体165

8.2　智能体遗传算子设计167

8.2.1　邻域竞争算子168

8.2.2　邻域正交交叉算子168

8.2.3　变异算子170

8.2.4　自学习算子170

8.3　多智能体遗传算法171

8.4　收敛性证明172

8.5　仿真实验比较研究175

8.5.1　几个典型算法176

8.5.2　30维函数优化实验177

8.5.3　20～1000维函数优化实验177

8.5.4　1000～10000维函数优化实验180

8.6　线性系统逼近问题仿真实验183

8.6.1 自适应伸缩搜索空间的方法184

8.6.2　自适应遗传算法仿真实验185

8.6.3　用于线性系统逼近的多智能体遗传算法189

8.6.4　线性系统逼近问题仿真实验191

9.1　可分解函数194

第9章　可分解函数优化的宏智能体进化模型194

9.2　宏智能体195

9.3　宏智能体进化模型196

9.4　层次多智能体遗传算法198

9.4.1　算法描述199

9.4.2　收敛性证明与时间复杂度分析200

9.4.3　仿真实验比较研究202

第10章　组合优化多智能体进化算法205

10.1　用于组合优化的智能体205

10.2　智能体的行为206

10.2.2　自学习行为207

10.2.1　竞争行为207

10.3　组合优化多智能体进化算法209

10.4　收敛性证明210

10.5　欺骗问题仿真实验213

10.5.1　强联结欺骗函数实验214

10.5.2　弱联结欺骗函数实验216

10.5.3　重叠联结欺骗函数实验218

10.6　等级问题仿真实验220

10.6.1 等级问题220

10.6.2　实验结果222

第11章　约束满足智能体进化算法225

11.1　约束满足智能体225

11.1.1　约束满足问题225

11.1.2　约束满足智能体的定义226

11.1.3　约束满足智能体的生存环境229

11.2　约束满足智能体的行为230

11.2.1　竞争行为230

11.2.2　自学习行为231

11.2.3　变异行为232

11.3　约束满足智能体进化算法232

11.4.1　空间复杂度分析233

11.4　算法复杂性分析233

11.4.2　收敛性证明234

11.5　非排列式约束满足问题仿真实验237

11.5.1　与经典算法的性能比较研究238

11.5.2　算法参数机理分析239

11.6　排列式约束满足问题仿真实验242

11.6.1　n－皇后问题242

11.6.2　实验结果245

第12章　多智能体进化算法的实际应用247

12.1　约束布局优化问题247

12.1.1　问题描述247

12.1.3　仿真实验比较研究249

12.1.2　求解约束布局优化问题的多智能体遗传算法249

12.2　时延受限组播路由问题255

12.2.1　组播路由算法概述255

12.2.2　搜索空间动态扩展的多智能体进化算法求解时延受限组播路由问题261

12.2.3　仿真实验研究266

参考文献268

附录A　第4章的15个无约束优化测试函数282

附录B　第4章的13个有约束优化测试函数284

附录C 图6.2布图结果对应的形状信息和移动模式序列288

附录D 图6.3布图结果对应的形状信息和移动模式序列296

附录E 图6.4布图结果对应的形状信息和移动模式序列301