TA的每日心情 | 开心 2018-4-8 22:14 |
---|
签到天数: 1 天 [LV.1]初学乍练
普通会员
- 积分
- 5517
|
java自学网(www.javazx.com)-java论坛,java电子书推荐:《 智能优化算法及其MATLAB实例(第2版)》 N* n6 A, q8 B- A8 J$ J
java电子书推荐理由:智能优化算法在解决大空间、非线性、全局寻优、组合优化等复杂问题方面具有独特的优势,因而得到了国内外学者的广泛关注,并在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。本书介绍了8种经典智能优化算法——遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法的来源、原理、算法流程和关键参数说明,并给出了具体的MATLAB仿真实例。7 x' S1 C- \3 t4 a/ ^! F: [
9 t! d8 t' o: K w
作者:包子阳+ K0 K( d. o0 n) ?$ d) h7 ?
出版社:电子工业出版社1 @6 l( J0 r y
出版时间:2018-01-01
. S( m( N! e8 g. r0 g5 b书籍价格:37.90元
+ c# _) s# N5 |/ G. |( R7 l2 B
7 K# x/ `% h( v# C
9 v5 }2 W" B! W6 [$ ]# E. h9 d
6 ?) V. j9 `" M/ D) d$ Xjava电子书目录:5 ?$ I D q4 J4 \/ O
第1章 概述 1
. L: k6 v! F8 t) i( e3 M) |8 N6 H* L+ f8 x 1.1 进化类算法 2
9 o( F: T6 @+ P( v5 T: W5 k' ~: X1 O 1.2 群智能算法 3
" g1 p3 H( C) B4 g, E9 |) u s 1.3 模拟退火算法 5
5 w/ N' D& ]/ r 1.4 禁忌搜索算法 54 t: _0 w' v6 S8 G; E1 C B6 g
1.5 神经网络算法 6% `) Q ?- f! T; ?) D
参考文献 69 L& Y4 {( |5 z7 G' |2 F
第2章 遗传算法 9
; z1 a2 X7 N2 G8 F* X 2.1 引言 9; J( ]7 \- _3 K. i
2.2 遗传算法理论 10
0 M& P7 {# a% D; V" B& ]' h. \3 Q 2.2.1 遗传算法的生物学基础 10
" R& A3 C8 U- ?3 `0 | 2.2.2 遗传算法理论基础 11) X6 m5 U# J0 D# Q3 u7 a5 H; r
2.2.3 遗传算法的基本概念 13
+ }/ U1 K$ x/ p4 K* f* M( D) ~) ? 2.2.4 标准遗传算法 16; C5 P2 Z9 M1 _/ r g: c/ x
2.2.5 遗传算法的特点 16
1 j$ i. G. p& Z9 H& X) M2 g7 J* ?2 ` 2.2.6 遗传算法的改进方向 172 {. I. U: I6 ], Q& r, ~
2.3 遗传算法流程 17
6 r' u# E1 Y. d' V. Z! d 2.4 关键参数说明 19
8 G; m/ o$ P2 w6 X d: X' L3 Y; F 2.5 MATLAB仿真实例 20
5 ~( P! b8 D+ L! c* w; t- x' y 参考文献 352 z7 f. n1 I; \0 J0 M
第3章 差分进化算法 37" ?3 l9 s7 |, {& p# R1 V
3.1 引言 37
2 |1 [3 P; [& n @9 ?- p) Z 3.2 差分进化算法理论 38
( _. I; S0 F& L* l+ B6 } 3.2.1 差分进化算法原理 38
- f4 v1 u6 r+ E" @ 3.2.2 差分进化算法的特点 38
4 b0 E2 q; V6 q( x: ` 3.3 差分进化算法种类 39. g Q' R9 W: a
3.3.1 基本差分进化算法 39
- X7 B4 H/ c: Z. U- c9 u3 ?$ y9 l 7 a, [# H0 m: g1 ]
3.3.2 差分进化算法的其他形式 41
$ S4 C- h0 k+ s# {: R" m, t 3.3.3 改进的差分进化算法 42
* x& z: j7 A$ u# z+ T- D" ] 3.4 差分进化算法流程 43, T7 l) L( f- |+ Q A8 K$ J# {
3.5 关键参数的说明 44& i+ s' p( _9 Z7 N/ e3 z" U
3.6 MATLAB仿真实例 45! `8 m3 S0 W: f0 a. G( k: ` G3 i
参考文献 57
" D" ^! k- m9 L2 j3 j, V第4章 免疫算法 59
6 M0 V( t b/ Z, u# v 4.1 引言 59
* x$ G c( Q& g3 r7 w+ X3 H& c+ R 4.2 免疫算法理论 60
! W+ {7 v+ w7 O' a, r 4.2.1 生物免疫系统 60
/ W) T) S y/ ]( q7 m6 c 4.2.2 免疫算法概念 62, k: o( m9 j/ q0 S: a3 r. R
4.2.3 免疫算法的特点 63 s9 x" W* j2 D2 P a
4.2.4 免疫算法算子 636 N( g" _' F1 C- w/ z
4.3 免疫算法种类 67
0 \. I0 e$ x, L8 {( ] 4.3.1 克隆选择算法 67; _$ U1 |, U# m5 |/ k& c# _% k
4.3.2 免疫遗传算法 676 Q' Z: G3 g8 Q# E2 m
4.3.3 反向选择算法 672 _6 R: O9 }7 B9 S. Z3 T: I4 Q8 S
4.3.4 疫苗免疫算法 68$ |' ?7 o; x0 ?* Q6 a8 w
4.4 免疫算法流程 68( U* R( W- P; a* M4 I6 {
4.5 关键参数说明 70
# M) t1 q- o7 Z) t, N4 R9 Y 4.6 MATLAB仿真实例 71
; u4 p5 Z* Z' }. O- k 参考文献 84
1 B* ]/ v! X, f4 |1 M, |& F第5章 蚁群算法 87
( ?1 q& y" N; p2 z 5.1 引言 87( k, |) W+ z1 z5 t
5.2 蚁群算法理论 889 A7 A3 u1 D: h' ?* ?/ n
5.2.1 真实蚁群的觅食过程 88$ [5 F# {4 |/ w% Y6 U+ E
5.2.2 人工蚁群的优化过程 90( F5 I ~4 B8 _) s& F: w
5.2.3 真实蚂蚁与人工蚂蚁的异同 905 C+ U$ q! y0 p( v2 x: Y
5.2.4 蚁群算法的特点 912 F2 @% U, r2 t% {
5.3 基本蚁群算法及其流程 92
* B, D2 C6 B. j4 }3 F 5.4 改进的蚁群算法 95' t. @- p" _1 [- I
5.4.1 精英蚂蚁系统 95% u! s# p1 |* M
5.4.2 最大最小蚂蚁系统 95
) ^2 c/ U7 k+ L+ U0 Z: V 5.4.3 基于排序的蚁群算法 96. P+ I5 Z! E' R' N3 C+ u7 u
5.4.4 自适应蚁群算法 96
% K) E8 [0 B% e 5.5 关键参数说明 97
- j- Y- ]3 G& q- E* F; `4 d+ a 5.6 MATLAB仿真实例 99
& M( h g0 u3 @1 H 参考文献 108, o3 e v. P0 s9 ^9 }
第6章 粒子群算法 111
1 O6 h0 Y/ A, Z+ o5 j# ~9 S 6.1 引言 1115 b+ \; w% F* \! `5 r2 v' f+ y- P" ?
6.2 粒子群算法理论 112
- w( `, v4 \" m9 u5 H 6.2.1 粒子群算法描述 112
/ d4 d4 _* A4 o" C b! o O" l; K/ ?) Y 6.2.2 粒子群算法建模 113
: p8 L0 p; y- d" z) P) x8 P 6.2.3 粒子群算法的特点 113 e8 s7 e4 b- ?5 T* q: z2 T
6.3 粒子群算法种类 114" e, d6 P5 y2 L$ e9 J7 P5 D
6.3.1 基本粒子群算法 114
: ^) Y f+ n& k, E 6.3.2 标准粒子群算法 1149 S& w& A/ _! |8 ~5 G' q
6.3.3 压缩因子粒子群算法 115
5 U# N3 a6 h, R o. d" h, j" Q 6.3.4 离散粒子群算法 116
2 J' Q. ~- j: w% T* f 6.4 粒子群算法流程 116
5 L b- }5 h( B! } 6.5 关键参数说明 117' T# ~7 y6 ~+ S$ t7 _
6.6 MATLAB仿真实例 120
% u, j5 M& ^* o/ g/ y+ o 参考文献 135
8 O9 b6 e+ m# M- Z7 e- z第7章 模拟退火算法 137
! C& ]4 A& [2 T4 S) g$ W 7.1 引言 137
5 j6 j a% f1 q2 }6 n- a 7.2 模拟退火算法理论 138, @, l' e+ g X6 j8 G; Y# v+ @9 m
7.2.1 物理退火过程 138
4 W2 S5 U, C. J 7.2.2 模拟退火原理 1394 O ]1 f+ o9 ]
7.2.3 模拟退火算法思想 140
, J2 k# o1 n# J4 R# s% Y) y 7.2.4 模拟退火算法的特点 141
2 i, h; A& s9 v! o: z 7.2.5 模拟退火算法的改进方向 141
6 f2 [7 r& k# y 7.3 模拟退火算法流程 142* h' f' L8 ^4 e/ X& D$ B
7.4 关键参数说明 143
) c. `$ L1 C7 i 7.5 MATLAB仿真实例 1451 X( m2 W0 z |9 N F( W3 V. r( b6 v
参考文献 156
5 v$ g/ D/ ^; p+ x第8章 禁忌搜索算法 157
* ]8 w8 s4 V8 A4 l& O& v: V5 G1 w 8.1 引言 157
$ S% H# Z' p/ [; _& v 8.2 禁忌搜索算法理论 1584 [- L8 K0 k& Q$ I
8.2.1 局部邻域搜索 1586 F/ q: s1 e- n
8.2.2 禁忌搜索 1595 Y! d5 ^, d% s9 }! H5 J
8.2.3 禁忌搜索算法的特点 159
0 v7 Q! q) G4 @. o 8.2.4 禁忌搜索算法的改进方向 1604 d' l# _, [! U! X3 _
8.3 禁忌搜索算法流程 160
9 q& ^/ F+ [, ]( a1 e 8.4 关键参数说明 162
6 W# d9 B2 r0 _/ _ N( _ 8.5 MATLAB仿真实例 165' j! `) f4 F" `. ~$ H, b6 H
参考文献 176
! {4 g% P0 @. L' s第9章 神经网络算法 179) r( U0 R1 N" J
9.1 引言 179) I( O% U9 v6 X6 ^+ e
9.2 神经网络算法理论 180
9 J9 f: z- y# h: U5 k 9.2.1 人工神经元模型 180
3 O) A, I4 T2 t* X 9.2.2 常用激活函数 181/ N7 R! F+ b7 Y0 {, p# `
9.2.3 神经网络模型 182! o, m& L8 a' x$ F/ ~
9.2.4 神经网络工作方式 182
; ^* P( x! o- V7 ^ H1 n d9 ? 9.2.5 神经网络算法的特点 1835 f0 a/ y* f% H4 c; u$ {* D
9.3 BP神经网络算法 184
2 z! t5 W" g) e8 e& } 9.4 神经网络算法的实现 187
2 H$ j! D0 o8 L* V* |3 t2 ?% I 9.4.1 数据预处理 187
# {1 v- Y' L8 \5 X; K K 9.4.2 神经网络实现函数 188
* |& D7 H _' o; l- Z! K) H 9.5 MATLAB仿真实例 191
' m' L* u7 c4 ^, D+ e 参考文献 199
4 n4 m% z' @' `( X( k- @附录A MATLAB常用命令和函数 201
2 @- F( [5 I, h* D+ }/ X1 i- @$ Z8 n5 V: E0 {8 ]$ O
Java资料百度网盘下载地址链接(百度云):java自学网(javazx.com) 智能优化算法及其MATLAB实例(第2版) PDF 高清 电子书 百度云.rar【密码回帖可见】 ^! F2 s# T6 N
H. g- W4 x" h, u9 X( \& l9 ~
( J9 ?( _( x! B4 ?- O5 n/ m8 L
! \1 G' v& [6 `0 f9 _
8 k5 l5 ^9 w j# i |
|