编辑推荐
null
内容简介
窦全胜、陈姝颖著的《演化计算方法及应用》全面概括了用演化方法求解优化问题的一些新方法，重点介绍了进化规划、粒子群优化、微分演化、文化算法和蚁群算法，并阐述了几种新的改进算法，例如，群体启发进化规划方法、模拟退火粒子群优化算法及有分工策略的粒子群优化等，同时就所涉及的算法进行了系统的实验和比较，讨论了不同算法对不同环境的适应能力。 本书可作为从事群体智能、演化计算等领域的研究人员的参考书，对于解决优化问题有一定的参考和应用价值。
目 录
第1章 绪论 1.1 最优化问题 1.2 求解优化问题的数学方法 1.3 求解优化问题的演化计算方法第2章 遗传算法 2.1 标准遗传算法 2.2 编码 2.2.1 二进制编码 2.2.2 值编码（Value Encoding） 2.2.3 互换编码（Permutation Encoding） 2.3 遗传算子 2.3.1 交叉 2.3.2 变异 2.3.3 选择 2.4 参数控制 2.5 模式定理和隐并行性定理 2.6 收缩映射原理 2.7 小结第3章 进化规划 3.1 标准进化规划方法 3.2 进化策略 3.3 概率分析 3.4 群体启发进化规划 3.4.1 群体启发进化规划算法 3.4.2 PHEP算法验证 3.5 用群体启发进化规划求解高维优化问题 3.5.1 高维优化 3.5.2 实验结果 3.6 小结第4章 粒子群优化 4.1 标准粒子群优化方法 4.2 二进制粒子群优化算法 4.3 参数设置 4.4 粒子轨迹的确定性分析 4.5 粒子的分布特征 4.6 粒子的聚度 4.7 模拟退火粒子群优化方法 4.7.1 模拟退火 4.7.2 模拟退火粒子群优化 4.8 有分工策略的粒子群优化方法 4.9 算法测试 4.10 动态优化 4.10.1 线性模型 4.10.2 环形模型 4.10.3 随机模型 4.10.4 动态优化仿真 4.11 小结第5章 微分演化 5.1 微分演化方法描述 5.2 DE参数的设置 5.3 算法仿真 5.3.1 低维条件下的仿真结果 5.3.2 高维条件下的仿真结果 5.4 微分演化粒子群优化 5.5 用DE确定PSO的最佳参数 5.6 小结第6章 文化算法 6.1 约束的处理 6.1.1 可行解和不可行解 6.1.2 可行个体评价函数 的设计 6.1.3 不可行个体的处理 6.2 文化算法简介 6.2.1 文化算法框架 6.2.2 信仰空间的约束表达和信仰空间的更新 6.2.3 群体空间的演化 6.3 算法测试 6.4 小结第7章 蚁群优化 7.1 蚁群优化算法 7.2 蚁群聚类 7.3 小结第8章 应用举例 8.1 属性约简 8.1.1 信息系统与属性约简 8.1.2 常用的属性约简方法 8.1.3 基于遗传算法的属性约简 8.2 电力负荷关联规则提取 8.2.1 问题概述 8.2.2 关联规则 8.2.3 频项集挖掘 8.2.4 基于DPSO方法负荷规则萃取 8.3 神经网络训练 8.3.1 神经元模型 8.3.2 神经网络 8.3.3 神经网络的学习 8.3.4 前向神经网络 8.4 小结附录A 无约束优化问题附录B 约束优化问题参考文献
媒体评论
null
