数理科学与化学 类型
可以朗读 语音朗读
122千字 字数
2017-01-01 发行日期
展开全部

主编推荐语

蚁群智能优化：现代方法解决复杂问题

内容简介

蚁群智能优化方法是一类重要的现代优化方法，为解决复杂的优化问题提供了更多的工具。本书是在分析蚁群优化方法的现有研究基础上，总结作者前期研究成果而完成的。本书首先讲述蚁群算法的基本原理和算法要素，概述了算法的国内外研究现状，分别针对旅行商问题、多维背包问题、定向问题、属性约简、卫星资源调度问题、多目标组合优化问题给出相应的蚁群算法并分析所提出算法的性能。

目录

  • 封面页
  • 书名页
  • 版权页
  • 作者简介
  • 内容简介
  • 项目资助
  • 前言　FOREWORD
  • 目录
  • 第1章　绪章
  • 1.1　引言
  • 1.2　复杂性理论的基础知识
  • 1.2.1　算法的复杂度
  • 1.2.2　问题的复杂度
  • 1.3　智能优化方法概述
  • 1.3.1　常用的智能优化方法
  • 1.3.2　智能优化方法的一般框架
  • 1.3.3　智能优化方法分类
  • 1.3.4　智能优化方法的特点
  • 1.4　本书内容及组织
  • 参考文献
  • 第2章　蚁群优化方法概述
  • 2.1　蚁群算法的思想起源
  • 2.2　蚁群算法的基本框架
  • 2.3　基本蚁群算法及其典型改进算法
  • 2.3.1　基本蚁群算法
  • 2.3.2　蚁群系统
  • 2.3.3　最大最小蚂蚁系统
  • 2.4　蚁群算法研究现状
  • 2.4.1　蚁群算法的应用
  • 2.4.2　蚁群算法的改进
  • 2.4.3　蚁群算法的理论研究
  • 2.5　小结
  • 参考文献
  • 第3章　旅行商问题
  • 3.1　引言
  • 3.2　算法描述
  • 3.3　算法随机模型与收敛性质分析
  • 3.4　参数设置和数值实验分析
  • 3.4.1　参数设置
  • 3.4.2　与其他改进蚁群算法的比较
  • 3.5　小结
  • 参考文献
  • 第4章　多维背包问题
  • 4.1　问题描述
  • 4.2　现有算法回顾
  • 4.3　算法描述
  • 4.3.1　算法的基本思想
  • 4.3.2　信息素和启发信息的定义
  • 4.3.3　解的构造
  • 4.3.4　信息素的更新规则
  • 4.3.5　局部搜索
  • 4.4　信息素下界的选取
  • 4.4.1　Stützle和Hoos法的分析
  • 4.4.2　自适应方法
  • 4.5　实验分析
  • 4.5.1　解的评价
  • 4.5.2　参数选取
  • 4.5.3　性能分析
  • 4.6　小结
  • 参考文献
  • 第5章　定向问题
  • 5.1　问题描述
  • 5.2　算法描述
  • 5.2.1　启发信息的定义
  • 5.2.2　解的构造
  • 5.2.3　信息素的更新规则
  • 5.3　差异量的性质
  • 5.4　平均差异量的计算
  • 5.5　实验分析
  • 5.6　小结
  • 参考文献
  • 第6章　团队定向问题
  • 6.1　问题描述
  • 6.2　现有算法回顾
  • 6.3　算法描述
  • 6.3.1　信息素和启发信息的定义
  • 6.3.2　解的构造
  • 6.3.3　信息素的更新规则
  • 6.3.4　局部搜索
  • 6.4　实验分析
  • 6.4.1　参数设置
  • 6.4.2　4种构造法的比较
  • 6.4.3　与其他算法的比较
  • 6.5　小结
  • 参考文献
  • 第7章　属性约简
  • 7.1　问题描述
  • 7.2　现有算法回顾
  • 7.3　算法描述
  • 7.3.1　边模式蚁群算法
  • 7.3.2　团模式蚁群算法
  • 7.3.3　点模式蚁群算法
  • 7.4　实验分析
  • 7.5　小结
  • 参考文献
  • 第8章　卫星资源调度问题
  • 8.1　问题描述
  • 8.1.1　卫星测控基本概念
  • 8.1.2　卫星测控资源调度
  • 8.2　卫星测控资源调度模型
  • 8.2.1　决策变量的选择
  • 8.2.2　约束条件的描述
  • 8.2.3　卫星测控资源调度数学模型
  • 8.3　卫星测控资源调度问题求解
  • 8.3.1　蚁群算法
  • 8.3.2　解的构造
  • 8.3.3　实验结果
  • 8.4　小结
  • 参考文献
  • 第9章　旅游路线规划问题
  • 9.1　引言
  • 9.2　问题描述
  • 9.3　旅游路线规划问题的数学模型
  • 9.4　相关算法
  • 9.4.1　GLS（Guided Local Search）
  • 9.4.2　GRASP（Greedy Random Adaptive Search Procedure）
  • 9.4.3　烟花算法
  • 9.5　蚁群算法及其分析
  • 9.6　小结
  • 参考文献
  • 第10章　多目标组合优化问题
  • 10.1　引言
  • 10.2　多目标优化的基本概念
  • 10.3　基于分解的多目标蚁群算法
  • 10.3.1　MOEA/D-ACO求解MOKP
  • 10.3.2　MOEA/D-ACO求解MTSP
  • 10.4　与MOEA/D-GA在MOKP上的比较
  • 10.4.1　实验条件
  • 10.4.2　性能评价指标
  • 10.4.3　结果比较
  • 10.5　与BicriterionAnt在MTSP上的比较
  • 10.5.1　实验条件
  • 10.5.2　实验结果
  • 10.6　小结
  • 参考文献
  • 附录
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。