[
-
内容大纲
本书系统介绍群体智能的基本概念、主要方法与算法及其典型应用，首先简要介绍了有关群体智能的基本概念、研究现状与未来发展以及一般最优化问题及典型方法；其次重点介绍了三种典型的群体智能优化算法——粒子群优化、蚁群优化和烟花算法；然后介绍了多种新型群体智能优化算法和基于群体的进化计算方法，这些覆盖了更为广泛的新型方法；之后专门介绍了基于图形处理器（GPU）的群体智能优化算法的并行实现，以此加速群体优化算法并促进群体智能优化算法在广泛实际领域中的应用；接着还介绍了群体智能算法的一些典型应用实例；最后介绍了群体机器人，它是群体智能与机器人学相结合的产物。是群体智能的最成功落地应用之一。
本书可以作为高等院校智能科学与技术、人工智能、计算机科学与技术、控制与自动化、数据科学、物联网技术、信息技术等专业的高年级本科生和研究生的教材，也可作为相关专业科研人员、工程技术人员和对群体智能感兴趣读者的参考书。 -
作者介绍
-
目录
第1章 绪论
1.1 自然计算
1.2 什么是群体智能
1.3 群体智能研究的意义
1.4 常见的群体智能算法
1.5 群体智能的典型应用
1.6 群体智能研究的发展前景
本章参考文献
第2章 最优化问题与方法
2.1 最优化问题
2.1.1 定义
2.1.2 凸性
2.1.3 梯度、方向导数和海森矩阵
2.2 无约束优化
2.2.1 最速下降法
2.2.2 牛顿法
2.2.3 Levenberg-Marquardt方法
2.2.4 DFP方法
2.2.5 BFGS方法
2.2.6 鲍威尔方法
2.2.7 Nelder-Mead算法
2.3 约束优化
2.3.1 最优性条件
2.3.2 惩罚函数法
2.3.3 增广拉格朗日乘子法
2.3.4 顺序二次规划
2.3.5 可行方向法
2.4 多目标优化
2.4.1 加权总和法
2.4.2 ε-约束方法
2.4.3 目标规划法
2.4.4 效用函数法
2.5 动态优化
2.5.1 动态优化问题的定义
2.5.2 动态环境类型
2.5.3 基准测试问题示例
2.6 组合优化
2.6.1 分配问题
2.6.2 背包问题
2.6.3 整数规划
本章小结
习题
本章参考文献
第3章 粒子群优化
3.1 引言
3.2 基本粒子群优化
3.2.1 全局最佳粒子群优化
3.2.2 局部最佳粒子群优化
3.2.3 gbest PSO与lbest PSO的比较
3.2.4 速度成分
3.2.5 几何描述
3.2.6 社会网络结构
3.2.7 算法的其他部分
3.3 粒子轨迹
3.3.1 简化PSO模型的粒子轨迹
3.3.2 轨迹示例
3.4 收敛性证明
3.4.1 局部收敛性
3.4.2 全局收敛性
3.5 单解与多解粒子群优化
3.5.1 单解粒子群优化
3.5.2 多解粒子群优化
3.6 粒子群优化的典型处理机制
3.6.1 速度钳制
3.6.2 惯性权重
3.6.3 约束系数
3.6.4 同步更新和异步更新
3.7 粒子群优化用于求解约束优化问题
3.7.1 剔除不可行解
3.7.2 惩罚函数
3.7.3 转换为非约束问题
3.7.4 修复方法
3.8 粒子群优化用于求解多目标优化问题
3.8.1 动态邻域多目标优化算法
3.8.2 向量评估遗传算法
3.8.3 多目标粒子群优化算法
3.9 动态环境下的粒子群优化
3.9.1 影响PSO在动态环境下效率的因素
3.9.2 动态环境的PSO方法
3.9.3 动态环境的性能度量
3.10 离散粒子群优化
3.10.1 二元PSO
3.10.2 一般的离散PSO
3.11 典型应用举例
3.11.1 单目标优化函数
3.11.2 神经网络
本章小结
习题
本章参考文献
第4章 蚁群优化
4.1 基本蚁群优化
4.1.1 简单蚁群优化
4.1.2 蚂蚁系统
4.1.3 蚁群系统
4.1.4 最大最小蚂蚁系统
4.2 蚁群优化算法的一般框架
4.2.1 蚁群优化元启发
4.2.2 蚂蚁系统元启发
4.2.3 蚂蚁规划
4.2.4 蚁群优化算法的特点
4.3 单种群的蚁群优化
4.3.1 带信息素排斥的蚁群优化
4.3.2 带候选集的蚁群优化
4.3.3 带局部优化解的蚁群优化
4.3.4 基于群体的蚁群优化
4.4 多种群的蚁群优化
4.4.1 单目标问题
4.4.2 多目标问题
4.5 混合蚁群优化
4.5.1 引入局部搜索
4.5.2 引入禁忌搜索
4.5.3 引入遗传算法
4.5.4 引入集束搜索
4.6 蚁群优化的收敛性
4.7 蚁群优化的集体决策
4.7.1 外激励
4.7.2 人工信息素
4.7.3 变态分层结构
4.8 多目标蚁群优化
4.8.1 多目标优化问题及相关概念定义
4.8.2 基于帕累托的方法
4.8.3 指标函数法
4.8.4 目标分解法
4.9 动态环境下的蚁群优化
4.10 典型应用案例
4.10.1 旅行商问题
4.10.2 多背包问题
本章小结
习题
本章参考文献
第5章 烟花算法
5.1 基本烟花算法
5.1.1 爆炸算子
5.1.2 变异算子
5.1.3 映射规则
5.1.4 选择策略
5.1.5 基本烟花算法特点分析
5.2 烟花算法的收敛性与稳定性分析
5.2.1 随机模型
5.2.2 全局收敛性
5.2.3 时间复杂度的基本理论
5.2.4 时间复杂度分析
5.3 增强烟花算法和动态搜索烟花算法
5.3.1 增强烟花算法
5.3.2 动态搜索烟花算法
5.3.3 实验
5.3.4 小结
5.4 引导烟花算法
5.4.1 引导烟花算法概述
5.4.2 实验
5.5 协同框架烟花算法
5.6 败者退出烟花算法
5.6.1 败者退出机制
5.6.2 实验
5.7 其他改进型烟花算法
5.7.1 烟花算法的改进
5.7.2 烟花算法与其他算法的混合
5.8 多目标烟花算法
5.8.1 基本概念
5.8.2 施肥问题
5.8.3 多目标烟花算法概述
5.8.4 实验和讨论
5.8.5 小结
5.9 离散烟花算法
5.9.1 旅行商问题
5.9.2 离散烟花算法概述
5.9.3 实验结果及其分析
5.9.4 小结
5.10 烟花算法典型应用举例——垃圾邮件检测算法参数优化
本章小结
习题
本章参考文献
第6章 新型的群体智能优化算法
6.1 算法分类
6.2 人工蜂群算法
6.3 萤火虫算法
6.4 布谷鸟搜索算法
6.5 头脑风暴算法
6.6 鱼群算法
6.7 磷虾群算法
6.8 细菌觅食算法
6.9 其他SI算法简述
6.10 实验对比
6.10.1 人工蜂群算法
6.10.2 萤火虫算法
6.10.3 布谷鸟搜索算法
6.10.4 头脑风暴算法
6.10.5 鱼群算法
本章小结
习题
本章参考文献
第7章 基于群体的进化计算方法
7.1 进化计算方法分类与介绍
7.1.1 进化计算
7.1.2 进化计算方法分类
7.2 遗传算法
7.2.1 遗传算法概述
7.2.2 交叉算子
7.2.3 变异算子
7.2.4 选择算子
7.2.5 变体与应用
7.3 遗传算法的收敛性
7.3.1 交叉算子对模式的作用
7.3.2 变异算子对模式的作用
7.3.3 选择算子对模式的作用
7.3.4 模式定理
7.4 遗传编程
7.4.1 基于树的基因表示
7.4.2 初始化和适应度评估
7.4.3 交叉算子
7.4.4 变异算子
7.4.5 积木块遗传规划
7.4.6 应用
7.5 进化策略
7.5.1 基本进化策略
7.5.2 策略参数和自适应
7.5.3 进化策略算子
7.5.4 进化策略变种与应用
7.6 差分进化
7.6.1 一般差分进化
7.6.2 差分进化实现方式与变种
7.6.3 应用
7.7 文化算法
7.7.1 基本文化算法
7.7.2 信念空间
7.7.3 文化算法的变体
7.7.4 应用
7.8 协同进化
7.8.1 协同进化类型
7.8.2 竞争协同算法
7.8.3 协作协同算法
本章小结
习题
本章参考文献
第8章 基于GPU群体智能算法的并行实现
8.1 GPU介绍
8.2 GPU通用计算
8.3 基于GPU的粒子群优化算法
8.3.1 粒子群优化算法
8.3.2 GPU的单目标优化PSO
8.3.3 实验结果和讨论
8.4 基于GPU的烟花算法
8.4.1 传统烟花算法
8.4.2 基于GPU的烟花算法
8.4.3 实现
8.4.4 实验
8.5 基于GPU的遗传算法
8.5.1 遗传算法
8.5.2 GPU实现
8.6 其他算法的并行实现介绍
8.6.1 基于GPU的差分进化算法
8.6.2 基于GPU的蚁群算法
本章小结
习题
本章参考文献
第9章 群体智能算法的应用
9.1 应用分类
9.2 聚类分析
9.2.1 聚类分析简介
9.2.2 基于蚁群算法的聚类分析
9.2.3 基于粒子群优化算法的聚类分析
9.2.4 基于烟花算法的文档聚类分析
9.3 非负矩阵分解
9.3.1 引言
9.3.2 相关工作
9.3.3 低秩估计——NMF算法
9.3.4 基于群体智能算法的非负矩阵分解算法
9.4 路径规划
9.4.1 基于蚁群算法的TSP求解
9.4.2 基于粒子群优化算法的TSP求解
9.4.3 基于烟花算法的TSP求解
9.5 神经网络训练
9.5.1 群体智能算法优化神经网络结构
9.5.2 群体智能算法优化神经网络超参数
9.5.3 群体智能算法优化神经网络参数
9.6 博弈学习
9.6.1 博弈学习简介
9.6.2 基于协同进化算法的博弈学习
9.6.3 基于粒子群优化算法的协同博弈进化训练
9.7 子集问题
9.7.1 子集问题简介
9.7.2 基于蚁群算法求解子集问题
9.7.3 利用遗传算法求解子集问题
9.8 分组问题
9.8.1 分组问题的定义
9.8.2 利用遗传算法求解分组问题——分组遗传算法
9.8.3 分组问题的应用和分类
9.9 物流规划
9.9.1 货物装载问题
9.9.2 路径规划问题
9.9.3 配单问题
9.9.4 最优调度问题
9.10 混杂应用
9.10.1 路由设计
9.10.2 集群仿真
9.10.3 群体预测
9.10.4 艺术创作
本章小结
习题
本章参考文献
第10章 群体机器人
10.1 概论
10.1.1 生物群体
10.1.2 群体机器人系统
10.1.3 群体机器人的研究现状
10.2 群体机器人的基础模型
10.3 群体机器人系统模型
10.3.1 群体机器人系统的基础模型
10.3.2 群体机器人的建模方法
10.3.3 群体机器人的协同方式
10.4 群体机器人设计
10.4.1 群体机器人设计方法概述
10.4.2 基于行为的设计方法
10.4.3 基于学习的设计方法
10.4.4 小结
10.5 群体机器人算法
10.5.1 群体机器人算法基本特性
10.5.2 群体机器人算法分类
10.5.3 群体机器人算法举例
10.6 群体机器人的仿真平台与硬件项目
10.6.1 群体机器人的仿真平台
10.6.2 群体机器人的硬件项目
10.7 群体机器人的应用
10.7.1 群体机器人的应用范围
10.7.2 群体机器人的应用实例
本章小结
习题
本章参考文献
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...