智能優(yōu)化理論方法及其應用

第一部分 基礎理論及方法
第1章 緒論
1．1 最優(yōu)化的重要意義
1．2 傳統(tǒng)優(yōu)化方法的基本步驟及其局限性
1．3 智能優(yōu)化方法的產生與發(fā)展
1．4 智能優(yōu)化方法的研究現狀
1．5 怎樣學習、研究智能優(yōu)化方法
問題與思考
第2章 遺傳算法
2．1 導言
2．2 遺傳算法的基本原理
2．3 改進與變形
2．4 應用實例
問題與思考
第3章 蟻群算法
3．1 導言
3．2 基本蟻群算法
3．3 改進的蟻群算法
3．4 蟻群算法與其他仿生優(yōu)化算法的比較與融合
3．5 蟻群算法的典型應用
問題與思考
第4章 禁忌搜索算法
4．1 導言
4．2 算法的構成要素
4．3 算法基本流程
4．4 中期表與長期表
4．5 算法性能的改進
4．6 禁忌搜索算法的應用案例
問題與思考
第5章 模擬退火算法
5．1 導言
5．2 退火過程的數學描述和Boltzmann方程
5．3 模擬退火算法的構造及流程
5．4 算法的收斂性分析
5．5 應用案例
問題與思考
第6章 粒子群優(yōu)化算法
6．1 導言
6．2 基本原理
6．3 PS0的改進與變形
6．4 應用實例
問題與思考
第7章 發(fā)展趨勢
7．1 單一智能優(yōu)化方法的不足
7．2 智能優(yōu)化方法的集成技術
7．3 以遺傳算法為代表的集成優(yōu)化方法
7．4 以蟻群算法為代表的集成優(yōu)化方法
7．5 以粒子群算法為代表的集成優(yōu)化方法
問題與思考
第二部分 典型應用及實例
第8章 謝菲爾德遺傳算法工具箱
8．1 理論基礎
8．2 案例背景
8．3 MATLAB程序實現
第9章 遺傳算法工具箱及應用
9．1 理論基礎
9．2 案例背景
9．3 MATLAB程序實現
第10章 求解TsP問題的遺傳算法
10．1 理論基礎
10．2 案例背景
10．3 MATILAB程序實現
第11章 求解TsP問題的蟻群算法
11．1 理論基礎
11．2 案例背景
11．3 MATLAB程序實現
第12章 模擬退火算法工具箱及應用
12．1 理論基礎
12．2 案例背景
12．3 MATLAB程序實現
第13章 求解TSP問題的模擬退火算法
13．1 理論基礎
13．2 案例背景
13．3 MATIAB程序實現
第14章 基于PSO工具箱的函數尋優(yōu)算法
14．1 理論基礎
14．2 案例背景
14．3 MATLAB程序實現
第15章 求解TSP問題的混合粒子群算法
15．1 理論基礎
15．2 案例背景
15．3 MATLAB程序實現
參考文獻