现代智能优化混合算法及其应用

《现代智能优化混合算法及其应用(第2版)》是在2014年出版的影讨调名是图书，作者是梁旭等式门己季的再容吗多。

• 书名 《现代智能优化混合算法及其应用(第2版)》
• 作者 梁旭,黄明,宁涛 等
• ISBN 9787121234446
• 类别 教育 >> 本科研究生 >> 计算机类
• 页数 252页

图书信息

来自　　作 译 者:梁旭,黄明,宁涛 等

　　出版时间:2014-07

　　千 字 数:404

内容介绍

　　智能优化混合算法是一种以某类优化算法为基础完损儿星乙深怕粉等，融合其他智能算法或理论的混合算法，可用于求解各种工程问题优化解。 本书系统讨论了现今应用较为广泛的几种智能优化混合算法，主要内容来源于作者多年的研究成果，使读者比较全面地了育模胡些刚当呼垂料吸末解智能优化混合算法的相关知识及应用。本书理论联系实际，集知识性、专业性、操作性、技能性为一体，对智能优化混合算法的原理、步骤360百科、应用等进行了全面且详细的介绍。

目 录

　　第1章 绪论 1

　　1.1 智能优化算法简介 1

　　1.1.1 遗传算法简介 1

　　1.1.2 蚁群算法简介 11

　　1.1.3 退火算法简介 2继0

　　1.1.4 云遗传算法简介 来自32

　　1.2 混合优化算法简介 40

　　1.2.1 混合优化算法概述 40

　　1.2.2 混合优化算法现状 40

　　1.3 本章小结 41

　　第2章 混合遗传算法 42

　　2.1 基本遗传算法 42

　　2.1.1 基本遗传算法及流程图 42

　　2360百科.1.2 基本遗传短观脚算法的特点 51

　　2.2 改进的遗传算法 52

　　2.2.1 双阈值控制的遗传算法 52

　　2.2.2 改进的伪并行遗传算法 57

　　2.2.3 改进的小生境遗传算法 61

　　2.2.4 改进的自适应遗传算法 64

　　2.2.5 基于免疫原理的新优化遗传算法 66

　　2.2.6 模式理论及模式导导茶罪尼冷星各请称内看向的遗传算法 73

　　呀清劳三础失整态2.2.7 改进的双倍比体遗传算法 76

　　2.2.8 改进的并行遗传算法 83

　　2.3 遗传算法与其他优化算法的融合 88

　　2.3.1 病毒进化遗传算法 88

　　2.3.2 改进的DNA免疫遗传算法 91

　　2.4 本章小结 94

　　第3章 混合蚁群算法 95

　　3.1 基本蚁群算法 95

　　3.1.1 基本蚁群算法及流程图 95

　　3.1.2 基本蚁群算法的特点 100

　　3.2 改进的蚁群功如路余香算法 101

　　3.2.1 一种改进的非均匀窗口蚁群算法 101

　　3.2.2 基于变异和动态信息素更新的蚁群优化算法 107

　　3.3 蚁群、遗传算法的融合--动态蚁群遗传算法 110

　　3.4 本章小结 114

　　第4章 混合退火算法 115

　　4.1 基本退火算法 115

　　4.1.1 基本退火算法及流程图 115

　　4.1.2 基本初罗退火算法的特点 120

　　4.2 退火算法与其烧换举由慢他优化算法的融合 121

　　4.2.1 改进的遗传退火算法 121

　　4.2.2 基于学习机制的退火并行遗传算法 1析需这超状缩商村红触25

　　4.3 本章小结 130

　　第5章 其他典型混合优化算找互盾医仍乱渐义皇率法 131

　　5.1 禁忌-并行混合遗传算法 131

　　5.1.1 禁忌-并行遗传算法的关键技术 132

　　5.1.2 混合算法流程 134

　　5.2 周期性病毒进化遗传算法 似演笔非考期笔新135

　　5.2.1 新的周期性病毒进化遗传算法的基本思想 135

　　5.2.2 改进的周期性病毒进化遗传算法流程 139

　　5.2.3 改进的周期性病毒进化遗传算法的优点 139

　　5.3 改进的决策树学习算法 140

　　5.4 改进的广义粒子群优化算法 145

　　5.4.1 读着境者一消记侵基本粒子群优化算法介绍 145

　　5.4.2 基本粒子群优化机理分析 146

　　5.4.3 广义粒子群优化算法模型 147

　　5.4.4 GPSO的具体流程 149

　　5.5 一种基于但掌山粒子群优化的反向传播神经网络算法 150

　　5.6 一种际朝侵受基于混沌优化的模糊聚类方法 1侵异评跑史剂普区非希56

　　5.6.1 聚号越师用教黑早类的定义 156

　脱沙随题命补还英　5.6.2 基于混沌优化的模糊聚护类 157

　　5.7 本章小结 160

　　第6章 云遗传算法及其应用 161

　　6.1 基本云遗传算法 161

　　6.1.1 云模型发生器 161

　　6.1.2 基本云遗传算法及流程图 163

　　6.2 改进的云遗传算法 167

　　6.2.1 云自适应遗传算法 167

　　6.2.2 云自适应量子遗传算法 169

　　6.3 本章小结 175

　　第7章 混合优化算法的典型应用 176

　　7.1 TSP问题 176

　　7.1.1 旅行商问题模型 176

　　7.1.2 采用动态蚁群遗传算法求解TSP问题 178

　　7.2 0-1背包问题 183

　　7.2.1 0-1背包问题模型 183

　　7.2.2 使用改进的遗传退火算法求解0-1背包问题 187

　　7.3 车间调度问题 192

　　7.3.1 车间调度问题的描述 193

　　7.3.2 双阈值控制的遗传算法求解车间调度问题 194

　　7.4 车辆路径问题 200

　　7.4.1 车辆路径问题描述 200

　　7.4.2 自适应遗传算法求解车辆路径问题 203

　　7.5 装箱问题 207

　　7.5.1 装箱问题描述 208

　　7.5.2 使用基于学习机制的退火并行遗传算法求解装箱问题 211

　　7.6 图着色问题 217

　　7.6.1 图着色问题描述 217

　　7.6.2 周期性病毒进化遗传算法求解图着色问题 218

　　7.7 本章小结 223

　　第8章 总结及展望 224

　　8.1 主要工作总结及创新 224

　　8.2 未来发展方向 226

　　8.3 本章小结 228

　　参考文献 229