智能算法及其在資源環(huán)境系統(tǒng)建模中的應(yīng)用

第一章　緒論　
　1.1　資源環(huán)境系統(tǒng)模型
　1.2　資源環(huán)境系統(tǒng)模型優(yōu)化方法　
　　1.2.1　傳統(tǒng)優(yōu)化方法　
　　1.2.2　智能優(yōu)化方法　
　1.3　遺傳算法研究進(jìn)展　
　　1.3.1　遺傳算法簡史　
　　1.3.2　遺傳算法研究進(jìn)展　
　1.4　人工神經(jīng)網(wǎng)絡(luò)研究進(jìn)展　
　1.5　模糊數(shù)學(xué)研究進(jìn)展　
　1.6　本書目的與內(nèi)容　
第二章　二進(jìn)制編碼遺傳算法　
　2.1　基本遺傳算法　
　　2.1.1　SGA構(gòu)成要素　
　　2.1.2　SGA形式化定義　
　　2.1.3　算例　
　2.2　遺傳算法的基本理論　
　2.3　二進(jìn)制編碼遺傳算法的主要有缺點(diǎn)及其改進(jìn)方式　
　2.4　二進(jìn)制編碼遺傳算法的改進(jìn)　
　　2.4.1　IAGA計(jì)算技術(shù)　
　　2.4.2　IAGA控制參數(shù)　
　　2.4.3　IAGA全局優(yōu)化性能分析　
　　2.4.4　IAGA測試　
　2.5　二進(jìn)制編碼自適應(yīng)加速遺傳算法　
　　2.5.1　AAGA計(jì)算技術(shù)　
　　2.5.2　AAGA測試　
　　2.5.3　算例　
　2.6　本章小結(jié)　
第三章　格雷碼遺傳算法　
　3.1　格雷碼遺傳算法　
　3.2　格雷碼加速遺傳算法　
　　3.2.1　GAGA計(jì)算技術(shù)　
　　3.2.2　GAGA測試　
　　3.2.3　解非線性極大極小問題的GAGA　
　　3.2.4　算例　
　3.3　GAGA理論　
　　3.3.1　GAGA模式定理　
　　3.3.2　GAGA收斂定理　
　3.4　格雷碼編碼單純形混合加速遺傳算法　
　　3.4.1　單純形法　
　　3.4.2　GSHAGA計(jì)算技術(shù)　
　　3.4.3　GSHAGA性能分析　
　　3.4.4　GSHAGA數(shù)值模擬　
　3.5　格雷碼編碼模式搜索混合加速遺傳算法　
　　3.5.1　模式搜索法　
　　3.5.2　GSHAGA計(jì)算技術(shù)　
　　3.5.3　GSHAGA數(shù)值分析　
　3.6　本章小結(jié)　
第四章　實(shí)數(shù)編碼遺傳算法　
　4.1　實(shí)數(shù)編碼遺傳算法概論　
　4.2　實(shí)數(shù)編碼單純形混合加速遺傳算法　
　　4.2.1　SHAGA計(jì)算技術(shù)　
　　4.2.2　SHAGA控制參數(shù)　
　　4.2.3　SHAGA分析　
　　4.2.4　SHAGA測試　
　4.3　實(shí)數(shù)編碼模式搜索混合加速遺傳算法
　　4.3.1　HHAGA計(jì)算技術(shù)　
　　4.3.2　HHAGA分析　
　　4.3.3　算例　
　4.4　實(shí)數(shù)編碼遺傳算法與其他優(yōu)化算法比較　
　　4.4.1　測試函數(shù)　
　　4.4.2　全局優(yōu)化性能比較　
　　4.4.3　優(yōu)化算法對準(zhǔn)則的穩(wěn)定性比較　
　　4.4.4　各種遺傳算法比較結(jié)果　
　4.5　本章小結(jié)　
第五章　自然數(shù)編碼遺傳算法　
　5.1　模型描述　
　5.2　算法設(shè)計(jì)　
　5.3　NOEGA復(fù)雜性分析　
　5.4　算例　
　5.5　本章小結(jié)　
第六章　模擬退火算法　
　6.1　模擬退火算法　
　6.2　改進(jìn)的模擬退火算法　
　6.3　模擬退火混合加速算法　
　6.4　SAHGAGA理論分析　
　6.5　算例　
　6.6　本章小結(jié)　
第七章　人工神經(jīng)網(wǎng)絡(luò)　
　7.1　人工神經(jīng)網(wǎng)絡(luò)概念　
　7.2　人工神經(jīng)元模型　
　7.3　人工神經(jīng)網(wǎng)絡(luò)分類　
　7.4　BP神經(jīng)系統(tǒng)　
　　7.4.1　BP神經(jīng)網(wǎng)絡(luò)模型　
　　7.4.2　改經(jīng)的BP神經(jīng)網(wǎng)絡(luò)模型　
　　7.4.3　算例　
　　7.4.4　結(jié)論　
　7.5　RBF神經(jīng)網(wǎng)絡(luò)原理　
　　7.5.1　RBF神經(jīng)網(wǎng)絡(luò)原理　
　　7.5.2　RBF神經(jīng)網(wǎng)絡(luò)模型　
　　7.5.3　算例　
　　7.5.4　結(jié)論　
第八章　模糊綜合評價(jià)理論與方法　
　8.1　模糊集的基本概念　
　8.2　模糊集的表示方法　
　8.3　模糊集的運(yùn)算　
　8.4　模糊映射　
　8.5　模糊評價(jià)函數(shù)　
　8.6　模糊綜合評價(jià)方法　
　　8.6.1　模糊乘加綜合評價(jià)方法　
　　8.6.2　模糊貼近度綜合評價(jià)方法　
　　8.6.3　遺傳加權(quán)模糊綜合評價(jià)方法　
　8.7　本章小結(jié)　
第九章　智能算法在資源環(huán)境系統(tǒng)優(yōu)化中的應(yīng)用　
　9.1　智能算法在流域水文模型參數(shù)優(yōu)選中的應(yīng)用　
　　9.1.1　新安江流域模型　
　　9.1.2　三江源新安江模型　
　　9.1.3　參數(shù)調(diào)試方法　
　　9.1.4　大拗、譚口流域模型　
　　9.1.5　九種智能優(yōu)化算法結(jié)果　
　　9.1.6　本節(jié)小結(jié)　
　9.2　自適應(yīng)加速遺傳算法在水位流量關(guān)系擬和種的應(yīng)用　
　9.3　用格雷碼加速遺傳算法確定河流橫向擴(kuò)散中的應(yīng)用　
第十章　智能算法在資源環(huán)境可再生能力綜合評價(jià)中的應(yīng)用　
　10.1　多屬性評價(jià)概述　
　10.2　智能算法在黃河流域水資源可再生綜合能力的應(yīng)用　
　　10.2.1　水資源可再生性綜合評價(jià)理論框架　
　　10.2.2　權(quán)重模型　
　　10.2.3　遺傳投影尋蹤倒S型評價(jià)模型　
　　10.2.4　遺傳投影尋蹤插值模型　
　　10.2.5　多目標(biāo)理想?yún)^(qū)間模型　
　　10.2.6　RBF網(wǎng)絡(luò)評價(jià)模型　
　　10.2.7　物元模型　
　　10.2.8　結(jié)論　
　10.3　黃河流域水質(zhì)恢復(fù)能力綜合評價(jià)的GPPM　
　　10.3.1　計(jì)算技術(shù)　
　　10.3.2　黃河流域水質(zhì)恢復(fù)能力綜合評價(jià)　
　10.4　水資源潛力綜合評價(jià)　
　　10.4.1　計(jì)算技術(shù)　
　　10.4.2　水資源潛力綜合評價(jià)　
　10.5　區(qū)域水資源開發(fā)利用程度綜合評價(jià)的GPPM　
　　10.5.1　計(jì)算技術(shù)　
　　10.5.2　區(qū)域水資源開發(fā)利用程度綜合評價(jià)　
　10.6　水質(zhì)綜合評價(jià)的GPPM　
　　10.6.1　計(jì)算技術(shù)　
　　10.6.2　水質(zhì)綜合評價(jià)　
　10.7　區(qū)域水資源承載能力綜合評價(jià)的GPPM　
　　10.7.1　計(jì)算技術(shù)　
　　10.7.2　區(qū)域水資源承載能力綜合評價(jià)　
　10.8　遺傳理想?yún)^(qū)間模型在城市環(huán)境質(zhì)量綜合評價(jià)中的應(yīng)用　
　　10.8.1　遺傳理性區(qū)間模型　
　　10.8.2　城市環(huán)境質(zhì)量綜合評價(jià)　
　10.9　RBF神經(jīng)網(wǎng)絡(luò)模型在大氣環(huán)境質(zhì)量綜合評價(jià)中的應(yīng)用　
　　10.9.1　計(jì)算技術(shù)　
　　10.9.2　大氣環(huán)境質(zhì)量綜合評價(jià)　
　10.10　本章小結(jié)　
第十一章　智能算法在資源環(huán)境系統(tǒng)預(yù)測中的應(yīng)用　
　11.1　RBF神經(jīng)網(wǎng)絡(luò)模型在黃河流域年徑流預(yù)測中的應(yīng)用　
　　11.1.1　計(jì)算技術(shù)　
　　11.1.2　黃河流域年徑流預(yù)測　
　11.2　RBF神經(jīng)網(wǎng)絡(luò)模型在海溫預(yù)測的應(yīng)用　
　　11.2.1　海溫預(yù)測　
　　11.2.2　結(jié)論　
　11.3　遺傳門限自回歸模型在海洋冰情中的應(yīng)用　
　　11.3.1　遺傳門限自回歸模型　
　　11.3.2　海洋冰情預(yù)測　
　11.4　本章小結(jié)　
附錄1　各算法中英文對照表　
附錄2　常用實(shí)驗(yàn)函數(shù)　
附錄3　二進(jìn)制碼與格雷碼對照表