xxxfreesexmoves-haodiaocao这里只有精品视频-欧美性受黑人性爽-欧美性受xxxxxx黑人xyx性爽|www.jsyyzsb.com

　　智能優(yōu)化混合算法是一種以某類優(yōu)化算法為基礎(chǔ)，融合其他智能算法或理論的混合算法，可用于求解各種工程問題優(yōu)化解。
　　《現(xiàn)代智能優(yōu)化混合算法及其應(yīng)用（第2版）》系統(tǒng)討論了現(xiàn)今應(yīng)用較為廣泛的幾種智能優(yōu)化混合算法，主要內(nèi)容來源于作者多年的研究成果，使讀者比較全面地了解智能優(yōu)化混合算法的相關(guān)知識及應(yīng)用。《現(xiàn)代智能優(yōu)化混合算法及其應(yīng)用（第2版）》理論聯(lián)系實(shí)際，集知識性、專業(yè)性、操作性、技能性為一體，對智能優(yōu)化混合算法的原理、步驟、應(yīng)用等進(jìn)行了全面且詳細(xì)的介紹。

    1997年~至今：大連交通大學(xué)軟件學(xué)院，副教授，碩士生導(dǎo)師，副院長。遼寧省計算機(jī)學(xué)會 理事。主持多項(xiàng)省、市基金項(xiàng)目，長期從事ERP、企業(yè)信息化的研究，詳見附件2。

第1章 緒論
1.1 智能優(yōu)化算法簡介
1.1.1 遺傳算法簡介
1.1.2 蟻群算法簡介
1.1.3 退火算法簡介
1.1.4 云遺傳算法簡介
1.2 混合優(yōu)化算法簡介
1.2.1 混合優(yōu)化算法概述
1.2.2 混合優(yōu)化算法現(xiàn)狀
1.3 本章小結(jié)


第2章 混合遺傳算法
2.1 基本遺傳算法
2.1.1 基本遺傳算法及流程圖
2.1.2 基本遺傳算法的特點(diǎn)
2.2 改進(jìn)的遺傳算法
2.2.1 雙閾值控制的遺傳算法
2.2.2 改進(jìn)的偽并行遺傳算法
2.2.3 改進(jìn)的小生境遺傳算法
2.2.4 改進(jìn)的自適應(yīng)遺傳算法
2.2.5 基于免疫原理的新優(yōu)化遺傳算法
2.2.6 模式理論及模式導(dǎo)向的遺傳算法
2.2.7 改進(jìn)的雙倍體遺傳算法
2.2.8 改進(jìn)的并行遺傳算法
2.3 遺傳算法與其他優(yōu)化算法的融合
2.3.1 病毒進(jìn)化遺傳算法
2.3.2 改進(jìn)的DNA免疫遺傳算法
2.4 本章小結(jié)


第3章 混合蟻群算法
3.1 基本蟻群算法
3.1.1 基本蟻群算法及流程圖
3.1.2 基本蟻群算法的特點(diǎn)
3.2 改進(jìn)的蟻群算法
3.2.1 一種改進(jìn)的非均勻窗口蟻群算法
3.2.2 基于變異和動態(tài)信息素更新的蟻群優(yōu)化算法
3.3 蟻群、遺傳算法的融合――動態(tài)蟻群遺傳算法
3.4 本章小結(jié)


第4章 混合退火算法
4.1 基本退火算法
4.1.1 基本退火算法及流程圖
4.1.2 基本退火算法的特點(diǎn)
4.2 退火算法與其他優(yōu)化算法的融合
4.2.1 改進(jìn)的遺傳退火算法
4.2.2 基于學(xué)習(xí)機(jī)制的退火并行遺傳算法
4.3 本章小結(jié)


第5章 其他典型混合優(yōu)化算法
5.1 禁忌-并行混合遺傳算法
5.1.1 禁忌-并行遺傳算法的關(guān)鍵技術(shù)
5.1.2 混合算法流程
5.2 周期性病毒進(jìn)化遺傳算法
5.2.1 新的周期性病毒進(jìn)化遺傳算法的基本思想
5.2.2 改進(jìn)的周期性病毒進(jìn)化遺傳算法流程
5.2.3 改進(jìn)的周期性病毒進(jìn)化遺傳算法的優(yōu)點(diǎn)
5.3 改進(jìn)的決策樹學(xué)習(xí)算法
5.4 改進(jìn)的廣義粒子群優(yōu)化算法
5.4.1 基本粒子群優(yōu)化算法介紹
5.4.2 基本粒子群優(yōu)化機(jī)理分析
5.4.3 廣義粒子群優(yōu)化算法模型
5.4.4 GPSO的具體流程
5.5 一種基于粒子群優(yōu)化的反向傳播神經(jīng)網(wǎng)絡(luò)算法
5.6 一種基于混沌優(yōu)化的模糊聚類方法
5.6.1 聚類的定義
5.6.2 基于混沌優(yōu)化的模糊聚類
5.7 本章小結(jié)


第6章 云遺傳算法及其應(yīng)用
6.1 基本云遺傳算法
6.1.1 云模型發(fā)生器
6.1.2 基本云遺傳算法及流程圖
6.2 改進(jìn)的云遺傳算法
6.2.1 云自適應(yīng)遺傳算法
6.2.2 云自適應(yīng)量子遺傳算法
6.3 本章小結(jié)


第7章 混合優(yōu)化算法的典型應(yīng)用
7.1 TSP問題
7.1.1 旅行商問題模型
7.1.2 采用動態(tài)蟻群遺傳算法求解TSP問題
7.2 0-1背包問題
7.2.1 0-1背包問題模型
7.2.2 使用改進(jìn)的遺傳退火算法求解0-1背包問題
7.3 車間調(diào)度問題
7.3.1 車間調(diào)度問題的描述
7.3.2 雙閾值控制的遺傳算法求解車間調(diào)度問題
7.4 車輛路徑問題
7.4.1 車輛路徑問題描述
7.4.2 自適應(yīng)遺傳算法求解車輛路徑問題
7.5 裝箱問題
7.5.1 裝箱問題描述
7.5.2 使用基于學(xué)習(xí)機(jī)制的退火并行遺傳算法求解裝箱問題
7.6 圖著色問題
7.6.1 圖著色問題描述
7.6.2 周期性病毒進(jìn)化遺傳算法求解圖著色問題
7.7 本章小結(jié)


第8章 總結(jié)及展望
8.1 主要工作總結(jié)及創(chuàng)新
8.2 未來發(fā)展方向
8.3 本章小結(jié)
參考文獻(xiàn)