<strike id="eoooe"></strike>

注冊 | 登錄讀書好，好讀書，讀好書！

當(dāng)前位置：首頁出版圖書科學(xué)技術(shù)計算機/網(wǎng)絡(luò)操作系統(tǒng)群體智能算法的理論基礎(chǔ)

群體智能算法的理論基礎(chǔ)

定　價：￥65.00

作　者：	黃翰、郝志峰
出版社：	清華大學(xué)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥51.30)

ISBN：	9787302671374	出版時間：	2024-08-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　群體智能算法是一類源于自然現(xiàn)象與社會規(guī)律啟發(fā)的智能算法，是當(dāng)前人工智能方法的重要組成部分。本書從群體智能算法的基本特征入手，介紹了常見的群體智能算法及其理論基礎(chǔ)研究的三大內(nèi)容：數(shù)學(xué)模型、收斂性與時間復(fù)雜度，詳細(xì)闡述了粒子群優(yōu)化算法、蟻群優(yōu)化算法、鴿群優(yōu)化算法、頭腦風(fēng)暴算法與煙花算法的數(shù)學(xué)模型、收斂性分析與時間復(fù)雜度分析等研究結(jié)果。為了方便讀者開展算法理論分析的實踐，部分章節(jié)提供了配套實用軟件工具的使用案例。本書適合從事智能優(yōu)化、進化計算、計算智能、智能優(yōu)化、管理科學(xué)與應(yīng)用數(shù)學(xué)領(lǐng)域研究的學(xué)者與研究生閱讀，也可以作為智能算法應(yīng)用工程師的輔助工具書。

作者簡介

　　黃翰，華南理工大學(xué)軟件學(xué)院教授、博導(dǎo)，國家級青年人才項目入選者，兼任國際學(xué)術(shù)期刊IEEE TEVC等副編、大數(shù)據(jù)與智能機器人重點實驗室副主任、廣東省本科高校軟件工程專業(yè)指導(dǎo)委員會主任委員等；主持科技部重點研發(fā)項目、國家自然科學(xué)基金等近20項；在IEEE TCYB、IEEE TSE等專業(yè)學(xué)術(shù)期刊發(fā)表論文60多篇；長期致力于智能算法理論、應(yīng)用與產(chǎn)業(yè)生態(tài)的研究，完成落地應(yīng)用案例70多項。

圖書目錄

第 1 章群體智能算法簡介 1
1.1 群體智能算法的起源 1
1.2 群體智能算法特點 2
1.3 常見的幾類群體智能算法 2
1.3.1 粒子群優(yōu)化算法 3
1.3.2 蟻群優(yōu)化算法 4
1.3.3 頭腦風(fēng)暴優(yōu)化算法 5
1.3.4 鴿群優(yōu)化算法 6
1.3.5 煙花算法 7
1.4 群體智能算法分析的數(shù)學(xué)模型 8
1.4.1 馬爾可夫過程 8
1.4.2 漂移分析模型 9
1.4.3 平均增益模型 10
1.5 群體智能算法的收斂性分析 10
1.6 群體智能算法的時間復(fù)雜度分析 11
1.7 本章小結(jié) 13
第 2 章粒子群優(yōu)化算法的理論基礎(chǔ) 14
2.1 粒子群優(yōu)化算法簡介 14
2.1.1 粒子群優(yōu)化算法基本框架 14
2.1.2 粒子群優(yōu)化算法理論基礎(chǔ)的研究進展 15
2.2 粒子群優(yōu)化算法的平均增益模型 16
2.3 粒子群優(yōu)化算法的收斂性分析 17
2.4 粒子群優(yōu)化算法的時間復(fù)雜度分析 19
2.4.1 粒子群優(yōu)化算法的時間復(fù)雜度分析方法 19
2.4.2 粒子群優(yōu)化算法的時間復(fù)雜度分析案例 20
2.5 粒子群優(yōu)化算法時間復(fù)雜度估算的實驗方法 27
2.5.1 基于平均增益模型的 PSO 算法時間復(fù)雜度估算方法 28
2.5.2 SPSO 算法的時間復(fù)雜度估算結(jié)果與分析 29
2.5.3 CLPSO 算法的時間復(fù)雜度估算結(jié)果與分析 34
2.5.4 ELPSO 算法的時間復(fù)雜度估算結(jié)果與分析 37
2.6 本章小結(jié) 40
第 3 章蟻群優(yōu)化算法的理論基礎(chǔ) 41
3.1 蟻群優(yōu)化算法簡介 41
3.1.1 蟻群優(yōu)化算法的基本框架 41
3.1.2 蟻群優(yōu)化算法理論基礎(chǔ)的研究進展 44
3.2 蟻群優(yōu)化算法的馬爾可夫過程模型 45
3.3 蟻群優(yōu)化算法的收斂性分析 47
3.4 蟻群優(yōu)化算法的時間復(fù)雜度分析 48
3.4.1 期望收斂時間 48
3.4.2 基于信息素比率的期望收斂時間界 51
3.4.3 蟻群優(yōu)化算法的時間復(fù)雜度分析案例 53
3.5 本章小結(jié) 56
第 4 章頭腦風(fēng)暴優(yōu)化算法的理論基礎(chǔ) 57
4.1 頭腦風(fēng)暴優(yōu)化算法簡介 57
4.1.1 基本框架 57
4.1.2 理論基礎(chǔ)的研究進展 59
4.2 頭腦風(fēng)暴優(yōu)化算法的平均增益模型 61
4.3 頭腦風(fēng)暴優(yōu)化算法的時間復(fù)雜度分析 64
4.3.1 頭腦風(fēng)暴優(yōu)化算法的時間復(fù)雜度分析忠路 64
4.3.2 不存在干擾操作的 BSO 算法案例研究 65
4.3.3 存在干擾操作的 BSO 算法案例研究 71
4.3.4 BSO 算法時間復(fù)雜度的驗證實驗 78
4.4 頭腦風(fēng)暴優(yōu)化算法時間復(fù)雜度估算的實驗方法 81
4.4.1 實驗方法的基本原理 82
4.4.2 實驗方法的應(yīng)用案例 83
4.5 本章小結(jié) 89
第 5 章鴿群優(yōu)化算法的理論基礎(chǔ) 90
5.1 鴿群優(yōu)化算法簡介 90
5.1.1 鴿群優(yōu)化算法基本框架 91
5.1.2 鴿群優(yōu)化算法理論基礎(chǔ)的研究進展 93
5.2 鴿群優(yōu)化算法的隨機過程模型 94
5.3 鴿群優(yōu)化算法的收斂性分析 94
5.3.1 個體平均位置的收斂性分析 95
5.3.2 鴿群優(yōu)化算法的棋分析 96
5.3.3 鴿群優(yōu)化算法全局收斂的充分條件 96
5.4 鴿群優(yōu)化算法時間復(fù)雜度估算的實驗方法 100
5.5 本章小結(jié) 107
第 6 章煙花算法的理論基礎(chǔ) 109
6.1 煙花算法簡介 109
6.2 煙花算法的隨機過程模型 111
6.3 煙花算法的全局收斂性分析 113
6.4 煙花算法的時間復(fù)雜度分析 114
6.4.1 煙花算法的期望首達(dá)時間 114
6.4.2 煙花算法的時間復(fù)雜度分析方法 116
6.5 煙花算法時間復(fù)雜度估算的實驗方法 119
6.6 本章小結(jié) 125
參考文獻(xiàn) 126
致謝 137