注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁出版圖書科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)人工智能協(xié)同進(jìn)化遺傳算法理論及應(yīng)用

協(xié)同進(jìn)化遺傳算法理論及應(yīng)用

協(xié)同進(jìn)化遺傳算法理論及應(yīng)用

定 價(jià):¥38.00

作 者: 鞏敦衛(wèi),孫曉燕 著
出版社: 科學(xué)出版社
叢編項(xiàng): 智能科學(xué)技術(shù)著作叢書
標(biāo) 簽: 人工智能

ISBN: 9787030244642 出版時(shí)間: 2009-05-01 包裝: 平裝
開本: 16開 頁數(shù): 164 字?jǐn)?shù):  

內(nèi)容簡介

  主要闡述協(xié)同進(jìn)化遺傳算法的原理及其應(yīng)用,主要內(nèi)容包括:協(xié)同進(jìn)化遺傳算法入門、基于緊聯(lián)結(jié)識別的協(xié)同進(jìn)化種群分割、協(xié)同進(jìn)化種群的搜索區(qū)域動態(tài)變化、協(xié)同進(jìn)化遺傳算法的種群規(guī)模動態(tài)變化、基于局域網(wǎng)并行實(shí)現(xiàn)的協(xié)同進(jìn)化種群的代表個(gè)體選擇、協(xié)同進(jìn)化遺傳算法網(wǎng)絡(luò)實(shí)現(xiàn)的資源分配,以及協(xié)同進(jìn)化遺傳算法的搜索空間分割等?!秴f(xié)同進(jìn)化遺傳算法理論及應(yīng)用》在詳細(xì)闡述協(xié)同進(jìn)化遺傳算法原理與核心技術(shù)的同時(shí),還給出其在多峰多目標(biāo)復(fù)雜數(shù)值函數(shù)優(yōu)化、多機(jī)器人協(xié)調(diào)路徑規(guī)劃、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與連接權(quán)值同時(shí)優(yōu)化,以及群體決策中的具體應(yīng)用,并給出詳細(xì)的算法對比結(jié)果。為便于應(yīng)用《協(xié)同進(jìn)化遺傳算法理論及應(yīng)用》闡述的算法,書后附有部分協(xié)同進(jìn)化遺傳算法源程序。協(xié)同進(jìn)化遺傳算法是解決復(fù)雜的實(shí)際優(yōu)化問題的智能計(jì)算方法,近年來已在許多領(lǐng)域得到成功的應(yīng)用,是智能優(yōu)化與決策領(lǐng)域的熱點(diǎn)研究方向之一?!秴f(xié)同進(jìn)化遺傳算法理論及應(yīng)用》可供理工科大學(xué)計(jì)算機(jī)、自動控制和人工智能等專業(yè)的教師及研究生閱讀,也可供自然科學(xué)和工程技術(shù)領(lǐng)域中的研究人員參考。

作者簡介

暫缺《協(xié)同進(jìn)化遺傳算法理論及應(yīng)用》作者簡介

圖書目錄

《智能科學(xué)技術(shù)著作叢書》序

前言
第1章 協(xié)同進(jìn)化遺傳算法入門
1.1 遺傳算法
1.1.1 遺傳算法的運(yùn)行機(jī)制
1.1.2 遺傳算法的提出與發(fā)展
1.1.3 并行遺傳算法
1.2 協(xié)同進(jìn)化遺傳算法
1.2.1 協(xié)同進(jìn)化遺傳算法的提出
1.2.2 協(xié)同進(jìn)化遺傳算法的思想
1.2.3 競爭型協(xié)同進(jìn)化遺傳算法
1.3 合作型協(xié)同進(jìn)化遺傳算法
1.3.1 合作型協(xié)同進(jìn)化遺傳算法的思想
1.3.2 進(jìn)化個(gè)體評價(jià)
1.3.3 代表個(gè)體選擇
1.3.4 合作型協(xié)同進(jìn)化遺傳算法的研究
1.3.5 合作型協(xié)同進(jìn)化遺傳算法存在的問題
1.4 本書主要內(nèi)容
1.5 本章小結(jié)
參考文獻(xiàn)
第2章 基于緊聯(lián)結(jié)識別的協(xié)同進(jìn)化種群分割
2.1 種群分割的必要性
2.2 基于概率模型的緊聯(lián)結(jié)識別算法
2.3 基于緊聯(lián)結(jié)識別的協(xié)同進(jìn)化種群分割
2.3.1 一次性緊聯(lián)結(jié)識別協(xié)同進(jìn)化種群分割
2.3.2 進(jìn)化緊聯(lián)結(jié)識別協(xié)同進(jìn)化種群分割
2.4 在多模態(tài)數(shù)值函數(shù)優(yōu)化中的應(yīng)用
2.4.1 優(yōu)化函數(shù)描述
2.4.2 運(yùn)行環(huán)境與參數(shù)設(shè)置
2.4.3 運(yùn)行結(jié)果比較與分析
2.5 本章小結(jié)
參考文獻(xiàn)
第3章 協(xié)同進(jìn)化種群搜索區(qū)域的動態(tài)變化
3.1 搜索區(qū)域動態(tài)變化的必要性
3.2 搜索區(qū)域動態(tài)變化
3.2.1 搜索區(qū)域變化時(shí)機(jī)
3.2.2 搜索區(qū)域變化策略
3.3 種群規(guī)模自適應(yīng)調(diào)整
3.3.1 種群規(guī)模調(diào)整策略
3.3.2 新種群的生成
3.3.3 算法步驟
3.4 算法性能分析
3.5 在多模態(tài)數(shù)值函數(shù)優(yōu)化中的應(yīng)用
3.5.1 優(yōu)化函數(shù)描述
3.5.2 運(yùn)行環(huán)境與參數(shù)設(shè)置
3.5.3 停機(jī)準(zhǔn)則
3.5.4 運(yùn)行結(jié)果比較與分析
3.6 本章小結(jié)
參考文獻(xiàn)
第4章 協(xié)同進(jìn)化遺傳算法種群規(guī)模的動態(tài)變化
4.1 種群規(guī)模動態(tài)變化的必要性
4.1.1 單種群遺傳算法的變種群規(guī)模
4.1.2 多種群遺傳算法的變種群規(guī)模
4.1.3 合作型協(xié)同進(jìn)化遺傳算法的計(jì)算復(fù)雜性
4.1.4 種群規(guī)模動態(tài)變化的意義
4.2 基于二進(jìn)制編碼的搜索區(qū)域變焦
4.3 基于實(shí)數(shù)編碼的搜索區(qū)域變焦
4.3.1 進(jìn)化子種群的表示
4.3.2 子種群的進(jìn)化能力
4.3.3 搜索子空間的變焦
4.4 子種群規(guī)模動態(tài)變化
4.4.1 代表個(gè)體的信用度
4.4.2 算法步驟
4.5 在多模態(tài)數(shù)值函數(shù)優(yōu)化中的應(yīng)用
4.5.1 被優(yōu)化函數(shù)
4.5.2 參數(shù)取值
4.5.3 優(yōu)化結(jié)果與分析
4.6 與第3章的比較
4.7 本章小結(jié)
參考文獻(xiàn)
第5章 基于局域網(wǎng)并行實(shí)現(xiàn)的協(xié)同進(jìn)化種群的代表個(gè)體選擇
5.1 局域網(wǎng)并行實(shí)現(xiàn)的必要性
5.2 協(xié)同進(jìn)化遺傳算法的局域網(wǎng)并行實(shí)現(xiàn)
5.3 代表個(gè)體選擇
5.3.1 影響代表個(gè)體選擇的因素
5.3.2 代表個(gè)體選擇方法
5.3.3 子種群分布的多樣性描述
5.3.4 代表個(gè)體數(shù)量
5.3.5 選擇代表個(gè)體
5.3.6 合作團(tuán)體構(gòu)成
5.3.7 算法步驟
5.4 在多模態(tài)數(shù)值函數(shù)優(yōu)化中的應(yīng)用
5.4.1 被優(yōu)化函數(shù)
5.4.2 計(jì)算資源的性能
5.4.3 參數(shù)取值
5.4.4 優(yōu)化結(jié)果與分析
5.5 本章小結(jié)
參考文獻(xiàn)
第6章 協(xié)同進(jìn)化遺傳算法網(wǎng)絡(luò)實(shí)現(xiàn)的資源分配
6.1 資源分配的必要性
6.2 資源分配決策模型
6.2.1 需要考慮的因素
6.2.2 一些假設(shè)
6.2.3 決策模型
6.2.4 對模型的解釋
6.3 決策模型求解
6.4 算例
6.4.1 各子種群采用相同的遺傳策略
6.4.2 子種群分為多組,不同組采用不同的遺傳策略
6.4.3 各子種群均采用不同遺傳策略
6.5 本章小結(jié)
參考文獻(xiàn)
第7章 協(xié)同進(jìn)化遺傳算法的搜索空間分割
7.1 空間分割的必要性
7.2 算法思想及空間分割
7.3 種內(nèi)及種問進(jìn)化遺傳算法
7.3.1 種內(nèi)進(jìn)化遺傳算法
7.3.2 種間進(jìn)化遺傳算法
7.3.3 新的進(jìn)化子種群的生成
7.4 超級個(gè)體集合
7.5 算法復(fù)雜度分析
7.6 在多目標(biāo)數(shù)值函數(shù)優(yōu)化中的應(yīng)用
7.6.1 參數(shù)設(shè)置
7.6.2 空間分割個(gè)數(shù)對Pareto邊界的影響
7.6.3 子空間劃分形式對Pareto邊界的影響
7.6.4 種內(nèi)進(jìn)化策略對Pareto邊界的影響
7.6.5 超級個(gè)體的形成和更新策略對Pareto邊界的影響
7.6.6 種聞講化對Pareto邊界的影響
7.7 本章小結(jié)
參考文獻(xiàn)
第8章 協(xié)同進(jìn)化遺傳算法在機(jī)器人路徑規(guī)劃中的應(yīng)用
8.1 機(jī)器人路徑規(guī)劃
8.1.1 傳統(tǒng)路徑規(guī)劃方法
8.1.2 智能路徑規(guī)劃方法
8.2 多機(jī)器人協(xié)調(diào)路徑規(guī)劃模型
8.3 多機(jī)器人協(xié)調(diào)路徑規(guī)劃的協(xié)同進(jìn)化遺傳算法求解
8.3.1 遞階編碼
8.3.2 適應(yīng)度函數(shù)
8.3.3 遺傳操作
8.3.4 算法步驟
8.4 算例
8.4.1 問題描述
8.4.2 實(shí)驗(yàn)設(shè)置
8.4.3 實(shí)驗(yàn)結(jié)果及性能分析
8.5 本章小結(jié)
參考文獻(xiàn)
第9章 協(xié)同進(jìn)化遺傳算法在神經(jīng)網(wǎng)絡(luò)優(yōu)化中的應(yīng)用
9.1 神經(jīng)網(wǎng)絡(luò)優(yōu)化
9.1.1 傳統(tǒng)訓(xùn)練算法
9.1.2 基于遺傳算法的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
9.2 神經(jīng)網(wǎng)絡(luò)優(yōu)化的協(xié)同進(jìn)化遺傳算法求解
9.2.1 進(jìn)化種群分割
9.2.2 決策變量編碼
9.2.3 交叉操作
9.2.4 變異操作
9.2.5 基于啟發(fā)式的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化
9.2.6 適應(yīng)度函數(shù)
9.2.7 代表個(gè)體選擇
9.2.8 算法步驟
9.3 用于分類的神經(jīng)網(wǎng)絡(luò)優(yōu)化
9.3.1 問題描述
9.3.2 實(shí)驗(yàn)設(shè)置
9.3.3 實(shí)驗(yàn)結(jié)果及性能分析
9.4 本章小結(jié)
參考文獻(xiàn)
第10章 協(xié)同進(jìn)化遺傳算法在群體決策中的應(yīng)用
10.1 群體決策的必要性和難度
10.2 分布協(xié)同交互式遺傳算法
10.2.1 共享個(gè)體
10.2.2 群體決策結(jié)果的評價(jià)
10.2.3 類適應(yīng)值替換
10.3 在服裝進(jìn)化設(shè)計(jì)系統(tǒng)中的應(yīng)用
10.3.1 實(shí)驗(yàn)設(shè)置
10.3.2 實(shí)驗(yàn)結(jié)果及分析
10.4 本章小結(jié)
參考文獻(xiàn)
附錄 部分協(xié)同進(jìn)化遺傳算法源程序
附錄1 標(biāo)準(zhǔn)合作型協(xié)同進(jìn)化遺傳算法MATLAB源程序
附錄2 第8章機(jī)器人路徑規(guī)劃部分源程序

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號