啟發式優化算法理論及應用
鄒曄、劉利枚、周鮮成、姚雨晴、吳興宇
- 出版商: 清華大學
- 出版日期: 2023-10-01
- 定價: $354
- 售價: 8.5 折 $301
- 語言: 簡體中文
- 頁數: 193
- ISBN: 7302644152
- ISBN-13: 9787302644156
-
相關分類:
人工智慧、管理與領導 Management-leadership
下單後立即進貨 (約4週~6週)
買這商品的人也買了...
-
$594$564 -
$880$748 -
$414$393 -
$774$735
相關主題
商品描述
本書系統、全面地介紹了用於求解**化問題的10種智能啟發式算法的基本思想、設計原理及應用案例,分別為遺傳算法、蟻群算法、模擬退火算法、禁忌搜索算法、大鄰域搜索算法、變鄰域搜索算法、迭代局部搜索算法、粒子群算法、人工免疫算法及人工神經網絡。 本書可作為高等院校電腦科學與技術、人工智能等理工類相關專業本科生及研究生教材,也可作為物流管理、經濟管理等管理類相關專業本科生及研究生教材。
目錄大綱
目錄
第1章緒論
1.1最優化問題定義及分類
1.1.1最優化問題定義
1.1.2最優化問題分類
1.2最優化方法特點及分類
1.2.1最優化方法特點
1.2.2最優化方法分類
1.3啟發式算法定義及特點
1.3.1啟發式算法定義
1.3.2啟發式算法特點
1.4本章小結
1.5習題
第2章遺傳算法
2.1遺傳算法思想及特點
2.1.1算法思想
2.1.2算法特點
2.2遺傳算子
2.2.1選擇算子
2.2.2交叉算子
2.2.3變異算子
2.3遺傳算法設計原則
2.3.1適應度和初始群體選取原則
2.3.2參數設計原則
2.4遺傳算法的應用
2.4.1遺傳算法在01背包問題中的應用
2.4.2遺傳算法在函數極值問題中的應用
2.4.3遺傳算法在旅行商問題中的應用
2.4.4遺傳算法在機器學習中的應用
2.4.5遺傳算法在其他領域中的應用
2.5本章小結
2.6習題
第3章蟻群算法
3.1蟻群算法思想及特點
3.1.1算法思想
3.1.2算法特點
3.2蟻群算法的應用
3.2.1蟻群算法在旅行商問題中的應用
3.2.2蟻群算法在函數極值問題中的應用
3.3本章小結
3.4習題
第4章模擬退火算法
4.1模擬退火算法思想及特點
4.1.1算法思想
4.1.2算法特點
4.2模擬退火算法設計原則
4.3模擬退火算法的應用
4.3.1模擬退火算法在旅行商問題中的應用
4.3.2模擬退火算法在電商物流配送問題中的應用
4.3.3模擬退火算法在登機口分配問題中的應用
4.3.4模擬退火算法在多核多用戶任務卸載調度問題中的應用
4.3.5模擬退火算法在同時取送貨車輛路徑問題中的應用
4.5本章小結
4.6習題
第5章禁忌搜索算法
5.1禁忌搜索算法思想及特點
5.1.1算法思想
5.1.2算法特點
5.2禁忌搜索算法設計原則
5.3禁忌搜索算法的應用
5.3.1禁忌搜索算法在旅行商問題中的應用
5.3.2禁忌搜索算法在雙層級醫療設施選址問題中的應用
5.3.3禁忌搜索算法在機場外航服務人員班型生成問題中的應用
5.4本章小結
5.5習題
第6章大鄰域搜索算法
6.1鄰域搜索及超大規模鄰域搜索定義
6.1.1鄰域搜索定義
6.1.2超大規模鄰域搜索定義
6.2大鄰域搜索算法介紹
6.3自適應大鄰域搜索算法介紹
6.3.1算法思想
6.3.2算法設計原則
6.3.3算法特點
6.4大鄰域搜索算法的應用
6.4.1大鄰域搜索算法在路徑問題中的應用
6.4.2大鄰域搜索算法在調度問題中的應用
6.5本章小結
6.6習題
第7章變鄰域搜索算法
7.1變鄰域搜索算法原理
7.1.1變鄰域深度搜索算法原理
7.1.2簡化變鄰域搜索算法原理
7.1.3基本變鄰域搜索算法原理
7.1.4偏態變鄰域搜索算法原理
7.1.5變鄰域分解搜索算法原理
7.1.6並行變鄰域搜索算法原理
7.2變鄰域搜索算法的改進策略
7.3變鄰域搜索算法的應用
7.3.1變鄰域搜索算法在組合優化問題中的應用
7.3.2變鄰域搜索算法在連續優化問題中的應用
7.3.3變鄰域搜索算法在物流配送系統集成優化問題中的應用
7.3.4變鄰域搜索算法在開放式帶時間窗車輛路徑問題中的應用
7.4本章小結
7.5習題
第8章迭代局部搜索算法
8.1迭代局部搜索算法原理
8.2迭代局部搜索算法設計原則
8.2.1初始解設計原則
8.2.2擾動機制設計原則
8.2.3解接受準則設計原則
8.2.4局部搜索設計原則
8.2.5全局優化設計原則
8.3迭代局部搜索算法的應用
8.3.1迭代局部搜索算法在旅行商問題中的應用
8.3.2迭代局部搜索算法在其他問題中的應用
8.4本章小結
8.5習題
第9章粒子群算法
9.1粒子群算法起源
9.2粒子群算法原理
9.2.1原始粒子群算法原理
9.2.2標準粒子群算法原理
9.3粒子群算法參數分析
9.3.1慣性權重分析
9.3.2學習因子分析
9.3.3其他參數分析
9.4粒子群算法的應用
9.4.1粒子群算法在模糊系統設計問題中的應用
9.4.2粒子群算法在滿載需求可拆分車輛路徑問題中的應用
9.5本章小結
9.6習題
第10章人工免疫算法
10.1人工免疫算法介紹
10.1.1生物免疫系統
10.1.2生物免疫基本原理
10.1.3人工免疫系統及免疫算法
10.1.4人工免疫算法與遺傳算法的比較
10.2免疫遺傳算法介紹
10.3免疫規劃算法介紹
10.4免疫策略算法介紹
10.5免疫優化算法在物流中心選址問題中的應用
10.6本章小結
10.7習題
第11章人工神經網絡
11.1人工神經網絡起源
11.2人工神經網絡概念
11.2.1人工神經元
11.2.2傳遞函數
11.3神經網絡模型
11.3.1單層感知機
11.3.2多層感知機
11.3.3徑向基函數神經網絡
11.3.4自組織競爭人工神經網絡
11.3.5對向傳播神經網絡
11.3.6反饋型神經網絡
11.4神經網絡權值的混合優化學習策略
11.4.1BPSA混合學習策略
11.4.2BPGA混合學習策略
11.4.3GASA混合學習策略
11.5人工神經網絡在組合優化問題中的應用
11.6本章小結
11.7習題
參考文獻