智能优化算法及其应用图书目录

时间：2023-02-13 02:24:01 | 来源：营销百科

时间：2023-02-13 02:24:01 来源：营销百科

智能优化算法及其应用图书目录：第1章绪论1

1.1最优化问题及其分类1

1.1.1函数优化问题1

1.1.2组合优化问题10

1.2优化算法及其分类12

1.3邻域函数与局部搜索13

1.4计算复杂性与NP完全问题14

1.4.1计算复杂性的基本概念14

1.4.2P，NP，NP?C和NP?hard14

第2章模拟退火算法17

2.1模拟退火算法17

2.1.1物理退火过程和Metropolis准则17

2.1.2组合优化与物理退火的相似性18

2.1.3模拟退火算法的基本思想和步骤19

2.2模拟退火算法的马氏链描述20

2.3模拟退火算法的收敛性21

2.3.1时齐算法的收敛性21

2.3.2非时齐算法的收敛性26

2.3.3SA算法渐进性能的逼近26

2.4模拟退火算法关键参数和操作的设计27

2.5模拟退火算法的改进29

2.6并行模拟退火算法31

2.7算法实现与应用32

2.7.1组合优化问题的求解32

2.7.2函数优化问题的求解33

第3章遗传算法36

3.1遗传算法的基本流程36

3.2模式定理和隐含并行性38

3.3遗传算法的马氏链描述及其收敛性40

3.3.1预备知识40

3.3.2标准遗传算法的马氏链描述41

3.3.3标准遗传算法的收敛性42

3.4一般可测状态空间上遗传算法的收敛性44

3.4.1问题描述45

3.4.2算法及其马氏链描述45

3.4.3收敛性分析和收敛速度估计45

3.5算法关键参数与操作的设计47

3.6遗传算法的改进50

3.7免疫遗传算法51

3.7.1引言51

3.7.2免疫遗传算法及其收敛性52

3.7.3免疫算子的机理与构造54

3.7.4TSP问题的免疫遗传算法56

3.8并行遗传算法58

3.9算法实现与应用59

第4章禁忌搜索算法62

4?1禁忌搜索62

4?1?1引言62

4?1?2禁忌搜索示例63

4?1?3禁忌搜索算法流程67

4?2禁忌搜索的收敛性68

4?3禁忌搜索的关键参数和操作70

4?4并行禁忌搜索算法75

4?5禁忌搜索的实现与应用77

4?5?1基于禁忌搜索的组合优化77

4?5?2基于禁忌搜索的函数优化78

第5章神经网络与神经网络优化算法83

5.1神经网络简介83

5.1.1神经网络发展回顾83

5.1.2神经网络的模型84

5.2基于Hopfield反馈网络的优化策略89

5.2.1基于Hopfield模型优化的一般流程89

5.2.2基于Hopfield模型优化的缺陷90

5.2.3基于Hopfield模型优化的改进研究90

5.3动态反馈神经网络的稳定性研究94

5.3.1动态反馈网络的稳定性分析94

5.3.1.1离散对称动态反馈网络的渐近稳定性分析95

5.3.1.2非对称动态反馈网络的全局渐近稳定性分析99

5.3.1.3时延动态反馈网络的全局渐近稳定性分析101

5.3.2动态反馈神经网络的收敛域估计103

5.4基于混沌动态的优化研究概述105

5.4.1基于混沌神经网络的组合优化概述106

5.4.2基于混沌序列的函数优化研究概述108

5.4.3混沌优化的发展性研究109

5.5一类基于混沌神经网络的优化策略110

5.5.1ACNN模型的描述110

5.5.2ACNN模型的优化机制111

5.5.3计算机仿真研究与分析112

5.5.4模型参数对算法性能影响的几点结论116

第6章广义邻域搜索算法及其统一结构118

6.1广义邻域搜索算法118

6.2广义邻域搜索算法的要素119

6.3广义邻域搜索算法的统一结构120

6?4优化算法的性能评价指标123

6?5广义邻域搜索算法研究进展125

6.5.1理论研究概述125

6.5.2应用研究概述128

6.5.3发展性研究129

第7章混合优化策略130

7.1引言130

7.2基于统一结构设计混合优化策略的关键问题131

7.3一类GASA混合优化策略132

7.3.1GASA混合优化策略的构造出发点132

7.3.2GASA混合优化策略的流程和特点133

7.3.3GASA混合优化策略的马氏链描述135

7.3.4GASA混合优化策略的收敛性136

7.3.5GASA混合优化策略的效率定性分析141

第8章混合优化策略的应用143

8.1基于模拟退火?单纯形算法的函数优化143

8.1.1单纯形算法简介143

8.1.2SMSA混合优化策略144

8.1.3算法操作与参数设计145

8.1.4数值仿真与分析146

8.2基于混合策略的控制器参数整定和模型参数估计研究149

8.2.1引言149

8.2.2模型参数估计和PID参数整定149

8.2.3混合策略的操作与参数设计150

8.2.4数值仿真与分析151

8.3基于混合策略的TSP优化研究154

8.3.1TSP的混合优化策略设计154

8.3.2基于典型算例的仿真研究156

8.3.3对TSP的进一步讨论158

8.4基于混合策略的加工调度研究159

8.4.1基于混合策略的Job?shop优化研究159

8.4.1.1引言159

8.4.1.2JSP的析取图描述和编码161

8.4.1.3JSP的混合优化策略设计163

8.4.1.4基于典型算例的仿真研究166

8.4.2基于混合策略的置换Flow?shop优化研究170

8.4.2.1混合优化策略170

8.4.2.2算法操作与参数设计172

8.4.2.3数值仿真与分析172

8.4.3基于混合策略的一类批量可变流水线调度问题的优化研究174

8.4.3.1问题描述及其性质174

8.4.3.2混合优化策略的设计175

8.4.3.3仿真结果和分析177

8.5基于混合策略的神经网络权值学习研究177

8.5.1BPSA混合学习策略178

8.5.2GASA混合学习策略178

8.5.3GATS混合学习策略179

8.5.4编码和优化操作设计180

8.5.5仿真结果与分析180

8.6基于混合策略的神经网络结构学习研究184

8.6.1RBF网络简介184

8.6.2RBF网络结构优化的编码和操作设计184

8.6.3RBF网络结构的混合优化策略186

8.6.4计算机仿真与分析187

8.7基于混合策略的光学仪器设计研究189

8.7.1引言189

8.7.2模型设计190

8.7.3仿真研究和设计结果191

附录Benchmark问题193

A：TSP Benchmark问题193

B： 置换Flow?shop Benchmark问题195

C：Job?shop Benchmark问题211

参考文献217