可以朗读
语音朗读
291千字
字数
2021-09-01
发行日期
展开全部
主编推荐语
本书融合智能理论和前沿技术，分享22种智能算法的起源、理论基础、基本框架和典型应用。
内容简介
智能算法是在进化计算、模糊逻辑、神经网络三个分支发展相对成熟的基础上，通过相互之间的有机融合进而形成的新的科学方法，也是智能理论和技术发展的崭新阶段。
该书对智能算法的前沿领域进行了详细论述，主要内容包括遗传算法、免疫算法、Memetic算法、粒子群算法、蚁群算法、狼群算法、人工蜂群算法、细菌觅食优化算法、分布估计算法、差分进化算法、模拟退火算法、贪心算法、雨滴算法、禁忌搜索算法、量子算法、A*算法、神经网络算法、深度学习算法、强化学习及混合智能算法。本书着重对上述领域的国内外发展现状进行总结，阐述编者对相关领域未来发展的思考。
该书可以为计算机科学、信息科学、人工智能自动化技术等领域从事自然计算、机器学习、图像处理研究的相关专业技术人员提供参考，也可以作为相关专业研究生和高年级本科生教材。
目录
- 版权信息
- 内容简介
- 前言
- 第1章 遗传算法
- 1.1 遗传算法起源
- 1.1.1 遗传算法生物学基础
- 1.1.2 遗传算法发展历程
- 1.2 遗传算法实现
- 1.2.1 遗传算法流程
- 1.2.2 重要参数
- 1.3 基于遗传算法的组合优化
- 1.3.1 基于遗传算法的TTP问题
- 1.3.2 基于遗传算法的旅行商问题
- 1.3.3 基于遗传算法的0-1规划
- 1.4 基于遗传算法的图像处理
- 1.4.1 基于遗传算法的图像分割
- 1.4.2 基于遗传算法的图像增强
- 1.4.3 基于遗传算法的图像变化检测
- 1.5 基于遗传算法的社区检测
- 1.5.1 多目标遗传算法
- 1.5.2 遗传编码
- 1.5.3 Pareto最优解
- 参考文献
- 第2章 免疫算法
- 2.1 生物免疫系统与人工免疫系统
- 2.2 免疫算法实现
- 2.2.1 克隆选择算法
- 2.2.2 人工免疫系统模型
- 2.3 基于免疫算法的聚类分析
- 2.3.1 聚类问题
- 2.3.2 免疫进化方法
- 2.4 基于免疫算法的限量弧路由问题
- 2.4.1 限量弧路由问题模型
- 2.4.2 基于免疫协同进化的限量弧路由问题
- 参考文献
- 第3章 Memetic算法
- 3.1 Memetic算法发展历程
- 3.2 Memetic算法实现
- 3.2.1 Memetic算法流程
- 3.2.2 Memetic算法改进
- 3.2.3 Memetic算法研究分类
- 3.3 基于Memetic算法的社区检测
- 3.3.1 多目标Memetic优化算法
- 3.3.2 局部搜索
- 3.4 基于Memetic算法的限量弧路由问题
- 3.4.1 路由距离分组
- 3.4.2 子问题解的更替
- 3.4.3 基于分解的Memetic算法
- 参考文献
- 第4章 粒子群算法
- 4.1 粒子群算法起源
- 4.1.1 粒子群算法生物学基础
- 4.1.2 粒子群算法发展历程
- 4.2 粒子群算法实现
- 4.2.1 基本粒子群算法
- 4.2.2 改进粒子群算法
- 4.3 基于粒子群算法的图像处理
- 4.3.1 基于粒子群算法的图像分割
- 4.3.2 基于粒子群算法的图像分类
- 4.3.3 基于粒子群算法的图像匹配
- 4.4 基于粒子群算法的优化问题
- 4.4.1 基于粒子群算法的旅行商问题
- 4.4.2 基于粒子群算法的配送中心选址问题
- 4.4.3 基于粒子群算法的函数优化
- 参考文献
- 第5章 蚁群算法
- 5.1 蚁群算法起源
- 5.1.1 蚁群算法生物学基础
- 5.1.2 蚁群算法发展历程
- 5.2 蚁群算法实现
- 5.2.1 蚁群算法流程
- 5.2.2 离散域和连续域蚁群算法
- 5.3 基于蚁群算法的路径规划
- 5.3.1 蚁群算法的路径规划中的优势
- 5.3.2 算法描述以及实现
- 5.3.3 全局路径规划方法
- 5.4 基于蚁群算法的社区检测
- 5.4.1 多目标蚁群算法
- 5.4.2 社区检测问题的改进
- 参考文献
- 第6章 狼群算法
- 6.1 狼群算法起源
- 6.1.1 狼群算法生物学基础
- 6.1.2 狼群算法发展历程
- 6.2 狼群算法实现
- 6.2.1 狼群算法中的智能行为定义
- 6.2.2 狼群算法流程
- 6.3 基于狼群算法的函数求解
- 6.3.1 数学模型
- 6.3.2 函数优化问题
- 6.4 基于狼群算法的优化调度问题
- 6.4.1 基于狼群算法的电网调度优化
- 6.4.2 基于狼群算法的水电站优化调度
- 参考文献
- 第7章 人工蜂群算法
- 7.1 人工蜂群算法起源
- 7.1.1 人工蜂群算法生物学基础
- 7.1.2 人工蜂群算法发展历程
- 7.2 人工蜂群算法实现
- 7.2.1 人工蜂群算法流程
- 7.2.2 混合人工蜂群算法
- 7.3 基于人工蜂群算法的函数优化
- 7.3.1 基于人工蜂群算法的多目标优化问题
- 7.3.2 基于人工蜂群算法的动态优化
- 7.4 基于人工蜂群算法的图像处理
- 7.4.1 基于人工蜂群算法的图像增强
- 7.4.2 基于人工蜂群算法的图像分割
- 7.4.3 基于人工蜂群算法的图像融合
- 参考文献
- 第8章 细菌觅食优化算法
- 8.1 细菌觅食优化算法起源
- 8.1.1 细菌觅食优化算法生物学基础
- 8.1.2 细菌觅食优化算法发展历程
- 8.2 细菌觅食优化算法实现
- 8.2.1 细菌觅食优化算法的操作步骤
- 8.2.2 细菌觅食算法的流程
- 8.3 基于细菌觅食算法的图像匹配
- 8.3.1 自适应步长
- 8.3.2 最优解逃逸
- 8.4 基于细菌觅食算法的聚类问题
- 8.4.1 改进趋化操作
- 8.4.2 改进复制操作
- 8.4.3 改进迁徙操作
- 参考文献
- 第9章 分布估计算法
- 9.1 分布估计算法起源
- 9.1.1 分布估计算法统计学原理
- 9.1.2 分布估计算法发展历程
- 9.2 分布估计算法实现
- 9.2.1 分布估计算法流程
- 9.2.2 分布估计算法改进
- 9.3 基于分布估计算法的收敛性分析及多目标优化问题
- 9.3.1 收敛性分析
- 9.3.2 多分布估计算法
- 9.4 基于分布估计算法的调度问题
- 9.4.1 基于分布估计算法的柔性车间调度
- 9.4.2 基于分布估计算法的资源受限项目调度
- 参考文献
- 第10章 差分进化算法
- 10.1 差分进化算法与遗传算法
- 10.1.1 遗传算法流程
- 10.1.2 差分进化算法流程
- 10.1.3 差分进化算法与遗传算法的比较
- 10.2 差分进化算法实现
- 10.2.1 差分进化算法主要参数
- 10.2.2 差分进化算法流程
- 10.3 基于差分进化算法的多目标优化问题
- 10.3.1 混合差分进化处理多目标优化问题
- 10.3.2 自适应差分进化处理多目标优化问题
- 10.4 基于差分进化算法的调度问题
- 10.4.1 基于差分进化算法的置换流水线调度
- 10.4.2 基于差分进化算法的有限缓冲区调度
- 10.4.3 基于差分进化算法的作业车间调度
- 参考文献
- 第11章 模拟退火算法
- 11.1 模拟退火算法起源
- 11.1.1 固体退火原理
- 11.1.2 模拟退火算法发展历程
- 11.2 模拟退火算法实现
- 11.2.1 模拟退火算法基本思想
- 11.2.2 模拟退火算法流程
- 11.3 基于模拟退火算法的超大规模集成电路研究
- 11.3.1 集成电路布线
- 11.3.2 优化目标
- 11.4 基于模拟退火算法的图像处理
- 11.4.1 基于模拟退火算法的图像复原
- 11.4.2 基于模拟退火算法的图像去噪
- 11.4.3 基于模拟退火算法的图像分割
- 11.5 基于模拟退火算法的组合优化
- 11.5.1 基于模拟退火算法的0-1背包问题
- 11.5.2 基于模拟退火算法的图着色问题
- 11.5.3 基于模拟退火算法的旅行商问题
- 参考文献
- 第12章 贪心算法
- 12.1 从背包问题了解贪心算法
- 12.2 贪心算法实现
- 12.2.1 局部最优解概念
- 12.2.2 贪心算法流程
- 12.3 基于贪心算法的组合优化
- 12.3.1 基于贪心算法的背包问题
- 12.3.2 基于贪心算法的旅行商问题
- 参考文献
- 第13章 雨滴算法
- 13.1 自然降雨现象启发下的雨滴算法
- 13.2 雨滴算法理论基础
- 13.3 基于雨滴算法的多目标优化问题
- 13.3.1 基于雨滴算法的多目标应急物资路径优化
- 13.3.2 基于雨滴算法的混合时间窗车辆路径问题
- 参考文献
- 第14章 禁忌搜索算法
- 14.1 禁忌搜索算法起源
- 14.1.1 禁忌搜索算法发展历程
- 14.1.2 禁忌搜索算法基本思想
- 14.2 禁忌搜索算法实现
- 14.2.1 禁忌搜索算法构成要素
- 14.2.2 禁忌搜索算法流程
- 14.3 基于禁忌搜索的飞蜂窝网络频谱分配方法
- 14.3.1 算法主要思想及流程
- 14.3.2 算法实现具体步骤
- 14.3.3 实验分析
- 参考文献
- 第15章 量子搜索与优化
- 15.1 量子计算原理
- 15.1.1 状态的叠加
- 15.1.2 状态的相干
- 15.1.3 状态的纠缠
- 15.1.4 量子并行性
- 15.2 量子计算智能的几种模型
- 15.2.1 量子人工神经网络
- 15.2.2 基于量子染色体的进化算法
- 15.2.3 基于量子特性的优化算法
- 15.2.4 量子聚类算法
- 15.2.5 量子模式识别算法
- 15.2.6 量子小波与小波包算法
- 15.2.7 量子退火算法
- 15.3 量子进化算法
- 15.3.1 基于量子旋转门的进化算法
- 15.3.2 基于吸引子的进化算法
- 参考文献
- 第16章 量子粒子群优化
- 16.1 量子行为粒子群算法
- 16.1.1 思想来源
- 16.1.2 δ势阱模型
- 16.1.3 算法流程
- 16.2 协同量子粒子群优化
- 16.2.1 协同量子粒子群算法
- 16.2.2 改进的协同量子粒子群算法
- 16.2.3 实验结果及分析
- 16.3 基于多次坍塌-正交交叉的量子粒子群优化
- 16.3.1 量子多次坍塌
- 16.3.2 正交交叉实验简介
- 16.3.3 多次坍塌-正交交叉的量子粒子群算法
- 16.3.4 实验及分析
- 参考文献
- 第17章 最小二乘法
- 17.1 最小二乘法数学基础
- 17.2 最小二乘法流程
- 17.3 最小二乘法在机器学习中的应用
- 参考文献
- 第18章 A*算法
- 18.1 最短路径搜索
- 18.2 A*算法实现
- 18.2.1 A*算法原理
- 18.2.2 A*算法简单案例
- 18.3 A*算法的优势与缺陷
- 参考文献
- 第19章 神经网络算法
- 19.1 神经网络算法起源
- 19.1.1 脑神经元学说
- 19.1.2 神经网络算法发展历程
- 19.2 神经网络算法实现
- 19.2.1 神经网络构成要素
- 19.2.2 典型神经网络结构
- 19.3 基于神经网络算法的图像处理
- 19.3.1 基于神经网络算法的图像分割
- 19.3.2 基于神经网络算法的图像修复
- 19.3.3 基于神经网络算法的目标检测与识别
- 19.4 基于神经网络算法的预测控制
- 19.4.1 基于神经网络算法的预测模型
- 19.4.2 神经网络预测控制中的滚动优化
- 参考文献
- 第20章 深度学习算法
- 20.1 深度学习算法与神经网络
- 20.2 深度学习算法实现
- 20.2.1 深度概念
- 20.2.2 深度学习算法基本思想
- 20.2.3 深度模型优化
- 20.3 基于深度学习算法的计算机视觉
- 20.3.1 基于深度学习算法的人脸识别
- 20.3.2 基于深度学习算法的目标跟踪
- 20.4 基于深度学习算法的语音识别
- 20.4.1 基于深度学习算法的声学模型
- 20.4.2 基于深度学习算法的语言模型
- 参考文献
- 第21章 强化学习
- 21.1 强化学习模型
- 21.1.1 强化学习思路
- 21.1.2 基于马尔可夫决策过程的强化学习
- 21.2 逆向强化学习
- 21.2.1 最大边际规划
- 21.2.2 基于最大信息熵的逆向强化学习
- 21.3 基于多尺度FCN-CRF网络和强化学习的高分辨SAR图像语义分割
- 21.3.1 深度强化学习
- 21.3.2 SAR图像语义分割动态调优策略
- 21.3.3 算法实现
- 21.3.4 实验结果
- 参考文献
- 第22章 混合智能算法
- 22.1 粒子群深度网络模型及学习算法
- 22.1.1 PSO自编码网络
- 22.1.2 自适应PSO自编码网络
- 22.1.3 模拟退火PSO算法自编码网络
- 22.1.4 实验与分析
- 22.2 混沌模拟退火深度网络模型及学习算法
- 22.2.1 混沌模拟退火深度网络学习算法
- 22.2.2 混沌模拟退火自编码网络
- 22.2.3 混沌模拟退火深度小波网络
- 22.2.4 实验与分析
- 参考文献
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
清华大学出版社
清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。
