智能優(yōu)化算法在解決大空間、非線性、全局尋優(yōu)、組合優(yōu)化等復(fù)雜問題方面具有獨(dú)特的優(yōu)勢，因而得到了國內(nèi)外學(xué)者的廣泛關(guān)注，并在信號處理、圖像處理、生產(chǎn)調(diào)度、任務(wù)分配、模式識別、自動控制和機(jī)械設(shè)計等眾多領(lǐng)域得到了成功應(yīng)用。本書介紹了8種經(jīng)典智能優(yōu)化算法——遺傳算法、差分進(jìn)化算法、免疫算法、蟻群算法、粒子群算法、模擬退火算法、禁忌搜索算法和神經(jīng)網(wǎng)絡(luò)算法的來源、原理、算法流程和關(guān)鍵參數(shù)說明，并給出了具體的MATLAB仿真實例。對于要用這些算法工具來解決具體問題的理論研究和工程技術(shù)人員，通過本書可以節(jié)省大量查詢資料和編寫程序的時間，通過仿真實例可以更深入地理解、快速地掌握這些算法。
包子陽：高級工程師，自2009年8月至今工作于北京無線電測量研究所。2009年6月畢業(yè)于電子科技大學(xué)信號與信息處理專業(yè)，獲碩士學(xué)位。一直從事雷達(dá)電氣總體、智能算法和深度學(xué)習(xí)等研究工作。迄今出版人工智能算法專著3部，申請發(fā)明專利10項，在國際雷達(dá)會議、《系統(tǒng)工程與電子技術(shù)》等發(fā)表學(xué)術(shù)論文十余篇。
目 錄
第1章 概述 1
1.1 進(jìn)化類算法 2
1.2 群智能算法 3
1.3 模擬退火算法 5
1.4 禁忌搜索算法 5
1.5 神經(jīng)網(wǎng)絡(luò)算法 5
參考文獻(xiàn) 6
第2章 遺傳算法 7
2.1 引言 7
2.2 遺傳算法理論 8
2.2.1 遺傳算法的生物學(xué)基礎(chǔ) 8
2.2.2 遺傳算法理論基礎(chǔ) 9
2.2.3 遺傳算法的基本概念 11
2.2.4 標(biāo)準(zhǔn)遺傳算法 14
2.2.5 遺傳算法的特點(diǎn) 14
2.2.6 遺傳算法的改進(jìn)方向 15
2.3 遺傳算法流程 15
2.4 關(guān)鍵參數(shù)說明 17
2.5 MATLAB仿真實例 18
參考文獻(xiàn) 33
第3章 差分進(jìn)化算法 35
3.1 引言 35
3.2 差分進(jìn)化算法理論 36
3.2.1 差分進(jìn)化算法原理 36
3.2.2 差分進(jìn)化算法的特點(diǎn) 36
3.3 差分進(jìn)化算法種類 37
3.3.1 基本差分進(jìn)化算法 37
3.3.2 差分進(jìn)化算法的其他形式 39
3.3.3 改進(jìn)的差分進(jìn)化算法 40
3.4 差分進(jìn)化算法流程 41
3.5 關(guān)鍵參數(shù)的說明 42
3.6 MATLAB仿真實例 43
參考文獻(xiàn) 55
第4章 免疫算法 57
4.1 引言 57
4.2 免疫算法理論 58
4.2.1 生物免疫系統(tǒng) 58
4.2.2 免疫算法概念 60
4.2.3 免疫算法的特點(diǎn) 61
4.2.4 免疫算法算子 61
4.3 免疫算法種類 65
4.3.1 克隆選擇算法 65
4.3.2 免疫遺傳算法 65
4.3.3 反向選擇算法 65
4.3.4 疫苗免疫算法 66
4.4 免疫算法流程 66
4.5 關(guān)鍵參數(shù)說明 68
4.6 MATLAB仿真實例 69
參考文獻(xiàn) 82
第5章 蟻群算法 85
5.1 引言 85
5.2 蟻群算法理論 86
5.2.1 真實蟻群的覓食過程 86
5.2.2 人工蟻群的優(yōu)化過程 88
5.2.3 真實螞蟻與人工螞蟻的異同 88
5.2.4 蟻群算法的特點(diǎn) 89
5.3 基本蟻群算法及其流程 90
5.4 改進(jìn)的蟻群算法 93
5.4.1 精英螞蟻系統(tǒng) 93
5.4.2 最大最小螞蟻系統(tǒng) 93
5.4.3 基于排序的蟻群算法 94
5.4.4 自適應(yīng)蟻群算法 94
5.5 關(guān)鍵參數(shù)說明 95
5.6 MATLAB仿真實例 97
參考文獻(xiàn) 106
第6章 粒子群算法 109
6.1 引言 109
6.2 粒子群算法理論 110
6.2.1 粒子群算法描述 110
6.2.2 粒子群算法建模 111
6.2.3 粒子群算法的特點(diǎn) 111
6.3 粒子群算法種類 112
6.3.1 基本粒子群算法 112
6.3.2 標(biāo)準(zhǔn)粒子群算法 112
6.3.3 壓縮因子粒子群算法 113
6.3.4 離散粒子群算法 114
6.4 粒子群算法流程 114
6.5 關(guān)鍵參數(shù)說明 115
6.6 MATLAB仿真實例 118
參考文獻(xiàn) 133
第7章 模擬退火算法 135
7.1 引言 135
7.2 模擬退火算法理論 136
7.2.1 物理退火過程 136
7.2.2 模擬退火原理 137
7.2.3 模擬退火算法思想 138
7.2.4 模擬退火算法的特點(diǎn) 139
7.2.5 模擬退火算法的改進(jìn)方向 139
7.3 模擬退火算法流程 140
7.4 關(guān)鍵參數(shù)說明 141
7.5 MATLAB仿真實例 143
參考文獻(xiàn) 154
第8章 禁忌搜索算法 155
8.1 引言 155
8.2 禁忌搜索算法理論 156
8.2.1 局部鄰域搜索 156
8.2.2 禁忌搜索 157
8.2.3 禁忌搜索算法的特點(diǎn) 157
8.2.4 禁忌搜索算法的改進(jìn)方向 158
8.3 禁忌搜索算法流程 158
8.4 關(guān)鍵參數(shù)說明 160
8.5 MATLAB仿真實例 163
參考文獻(xiàn) 174
第9章 神經(jīng)網(wǎng)絡(luò)算法 177
9.1 引言 177
9.2 神經(jīng)網(wǎng)絡(luò)算法理論 178
9.2.1 人工神經(jīng)元模型 178
9.2.2 常用激活函數(shù) 179
9.2.3 神經(jīng)網(wǎng)絡(luò)模型 180
9.2.4 神經(jīng)網(wǎng)絡(luò)工作方式 180
9.2.5 神經(jīng)網(wǎng)絡(luò)算法的特點(diǎn) 181
9.3 梯度下降算法 182
9.4 BP神經(jīng)網(wǎng)絡(luò)算法 183
9.5 神經(jīng)網(wǎng)絡(luò)算法的實現(xiàn) 186
9.5.1 數(shù)據(jù)預(yù)處理 186
9.5.2 神經(jīng)網(wǎng)絡(luò)實現(xiàn)函數(shù) 188
9.6 MATLAB仿真實例 191
參考文獻(xiàn) 199
附錄A MATLAB主要函數(shù)命令 201
新書資訊