0人評分過此書
《智能算法导论》特色： 紧跟学术前沿编者查阅大量相关资料，结合近年来智能算法的研究成果，紧跟国内外新研究动态。分享智能算法领域前沿技术。 论述清晰，知识完整内容丰富，阐述严谨，对智能算法的起源、理论基础、基本框架和典型应用进行了详细论述，适合人工智能领域以及相关交叉领域的教师教学和学生学习。 学科交叉智能算法应用广泛，与生物学、计算机科学、神经科学、语言学等学科交叉发展，互相影响。 该书充分将自然计算、启发式方法、量子、神经网络等有机融合，体现了深度的学科交叉。 重视应用该书不仅论述了智能算法的起源、理论基础和基本框架，还在此基础上，针对相关领域中的典型问题给出智能算法的应用示例。读者可以在理解理论知识的同时，对人工智能学科产生兴趣，培养动手能力。
- 封面页
- 书名页
- 版权页
- 内容简介
- 前言PREFACE
- 目录
-
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
-
評分與評論
請登入後再留言與評分
EPUB
EPUB
EPUB
EPUB
EPUB
