计算智能

来自 站酷网 的图片

《计算智能》是2020年06月人民邮电出版社出版的图书，作者是毕晓君，本书在归纳近年来计算智能研究成果的基础上，系统且详细地介绍了计算智能中较为典型的9种算法。

内容简介

计算智能是人工智能领域较为前沿的研究方向，它是受“大自然智慧”启发而被设计出的一类算法的统称。计算智能所具有的全局搜索、高效并行等优点为解决复杂优化问题提供了新思路和新手段，引起了国内外学者的广泛重视并掀起了研究热潮。目前，计算智能的相关技术已成功应用于信息处理、调度优化、工程控制、经济管理等众多领域。本书在归纳近年来计算智能研究成果的基础上，系统且详细地介绍了计算智能中较为典型的9种算法——人工神经网络、遗传算法、蚁群算法、人工免疫算法、粒子群优化算法、人工蜂群算法、生物地理学优化算法、多目标优化算法以及约束优化算法，并给出了各个算法基于MATLAB软件的仿真实现过程和在信号与通信领域的应用实例，这使本书知识点的讲解通俗易懂、直观生动，易于读者快速掌握。本书可作为高等学校信号与信息处理、计算机应用技术、人工智能、模式识别与智能系统、自动化等专业本科生和研究生的教材，也可供计算智能相关领域的研究人员学习参考。

图书目录

01绪论

1.1概述2

1.2化问题及其数学模型2

1.3化问题的分类3

1.4化方法的发展及分类5

1.4.1传统优化方法6

1.4.2计算智能方法7

1.4.3计算智能方法的特点11

1.5计算智能方法的未来发展方向12

1.6章节安排介绍12

1.7本章小结14

1.8习题14

02人工神经网络理论

2.1概述16

2.2人工神经网络基本理论17

2.2.1人工神经元基本模型17

2.2.2人工神经网络结构19

2.2.3人工神经网络的学习20

2.3前馈型神经网络的主要算法22

2.3.1感知器23

2.3.2 BP网络25

2.3.3 RBF网络33

2.4反馈型神经网络的主要算法44

2.4.1 Hopfield网络算法44

2.4.2自组织映射网络算法51

2.5基于MATLAB语言的人工神经网络工具箱54

2.5.1基本功能介绍55

2.5.2 BP网络的MATLAB实现55

2.5.3 RBF网络的设计实例63

2.5.4人工神经网络工具箱中的图形用户界面78

2.6人工神经网络的应用实例89

2.7本章小结91

2.8习题91

03遗传算法

3.1概述94

3.2遗传算法的基本原理95

3.2.1生物的进化过程95

3.2.2遗传算法的基本思想95

3.2.3遗传算法的具体步骤96

3.3遗传算法应用中的常见问题104

3.3.1染色体长度和初始种群的确定问题104

3.3.2控制参数的选取问题104

3.3.3遗传算子的具体操作问题105

3.3.4收敛判据的确定问题105

3.4遗传算法的应用实例106

3.5本章小结112

3.6习题112

04蚁群算法

4.1概述116

4.2蚂蚁群体的觅食过程117

4.3蚁群算法的基本原理118

4.3.1蚁群算法的数学模型119

4.3.2蚁群算法的具体实现流程122

4.4蚁群算法的参数选择124

4.5改进的蚁群算法125

4.5.1 ACS模型125

4.5.2 MMAS模型127

4.6蚁群算法的应用实例128

4.7本章小结134

4.8习题135

05人工免疫算法

5.1概述138

5.2人工免疫算法的生物学基础139

5.2.1生物免疫系统的基本定义140

5.2.2生物免疫系统的工作原理141

5.3人工免疫算法的基本原理142

5.3.1人工免疫算法的基本框架143

5.3.2否定选择算法的基本原理144

5.3.3免疫规划算法的基本原理146

5.3.4克隆选择算法的基本原理150

5.4人工免疫算法的应用实例155

5.5本章小结163

5.6习题163

06粒子群优化算法

6.1概述166

6.2粒子群优化算法的基本原理166

6.3粒子群优化算法的改进174

6.3.1带惯性权重的PSO算法174

6.3.2带收缩因子的PSO算法175

6.3.3基于种群分类与动态学习因子的PSO改进算法176

6.4粒子群优化算法的应用实例178

6.5本章小结180

6.6习题180

07人工蜂群算法

7.1概述182

7.2人工蜂群算法的基本原理183

7.3改进的人工蜂群算法187

7.3.1针对高维复杂单目标优化问题的改进人工蜂群算法187

7.3.2针对多峰优化问题的小生境人工蜂群算法188

7.4人工蜂群算法的应用实例193

7.5本章小结198

7.6习题198

08生物地理学优化算法

8.1概述200

8.2生物地理学优化算法的基本原理200

8.3生物地理学优化算法的基本流程204

8.3.1迁移操作204

8.3.2变异操作205

8.3.3算法框架206

8.4改进的生物地理学优化算法207

8.4.1混合型迁移操作207

8.4.2局部化生物地理学优化算法209

8.4.3生态地理学优化算法213

8.5生物地理学优化算法的应用实例216

8.6本章小结220

8.7习题220

09多目标优化算法

9.1概述222

9.2三代多目标优化算法223

9.2.1第一代多目标优化算法223

9.2.2第二代多目标优化算法223

9.2.3第三代多目标优化算法229

9.3高维多目标优化算法233

9.3.1基于分解的多目标优化算法233

9.3.2 NSGA-III 236

9.3.3 NSGA-III-OSD 240

9.4多目标优化算法的测试函数和评价指标242

9.4.1测试函数242

9.4.2评价指标246

9.5多目标优化算法的测试实例和应用实例247

9.6本章小结253

9.7习题253

10约束优化算法

10.1概述256

10.2约束处理技术258

10.2.1惩罚函数法258

10.2.2随机排序法258

10.2.3可行性准则259

10.2.4ε约束法260

10.2.5多目标优化法260

10.2.6双种群存储技术261

10.3约束单目标优化算法261

10.3.1基于随机排序法的约束单目标优化算法262

10.3.2基于ε约束法的约束单目标优化算法263

10.3.3基于双种群存储技术的约束单目标优化算法264

10.3.4约束单目标优化测试函数267

10.4约束多目标优化算法269

10.4.1基于随机排序法的约束多目标优化算法269

10.4.2基于双种群存储技术的约束多目标优化算法270

10.4.3基于ε约束法的约束多目标优化算法273

10.4.4约束多目标优化测试函数277

10.5约束优化算法的应用实例279

10.6本章小结283

10.7习题283。