欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • 群体智能(原理改进与实现新形态版双色印刷普通高等教育电子信息类专业系列教材)
      • 作者:编者:唐浩//徐博//王咸鹏//张卫东|责编:曾珊//薛阳
      • 出版社:清华大学
      • ISBN:9787302709640
      • 出版日期:2026/05/01
      • 页数:117
    • 售价:23.6
  • 内容大纲

        在现代计算技术的推动下,群体智能优化算法在解决复杂优化问题中展现出巨大的潜力。传统优化方法往往难以应对高维、非线性和不确定性问题,而群体智能算法通过模拟自然界中的群体行为,能高效地探索全局最优解,展现出强大的适应性和灵活性。
        本书系统介绍了群体智能优化算法的基础理论和核心思想,并结合具体实例展示了算法在工程中的实际应用。书中对5种群智能优化算法进行了分类讨论,深入分析其原理、改进策略及时间复杂度,帮助读者全面掌握算法结构与优化技巧。此外,附录A提供了程序源代码,便于读者在学习中进行对照实验。
        本书适合作为高等院校计算机科学、人工智能和工程优化等相关专业的教材,也适合相关领域的研究人员和工程技术人员作为参考书籍。
  • 作者介绍

  • 目录

    第1章  绪论
      1.1  群体智能优化算法简介
      1.2  群体智能算法的核心思想
      1.3  群体智能算法的研究意义、应用和发展
        1.3.1  群体智能算法的研究意义
        1.3.2  群体智能算法的应用和发展
      1.4  习题
    第2章  最优化问题
      2.1  最优化问题的定义和分类
        2.1.1  最优化问题的定义
        2.1.2  最优化问题的分类
      2.2  局部最优解和全局最优解
      2.3  最优化问题实例
        2.3.1  函数的最值问题
        2.3.2  0-1背包问题
        2.3.3  柔性作业车间调度问题
      2.4  复杂度和NP问题
      2.5  习题
    第3章  群体智能优化算法的分类
      3.1  精确算法和群体智能算法
        3.1.1  精确算法
        3.1.2  群体智能算法
      3.2  仿生型算法
        3.2.1  仿生行为算法
        3.2.2  仿生过程算法
      3.3  非仿生型算法
      3.4  算法框架
      3.5  习题
    第4章  粒子群算法
      4.1  粒子群算法简介
      4.2  原始粒子群算法
        4.2.1  速度和位置初始化
        4.2.2  个体历史最优和全局历史最优
        4.2.3  速度和位置更新
      4.3  标准粒子群算法
      4.4  关键参数设置
      4.5  粒子群算法的基本框架
      4.6  粒子群算法的改进策略
        4.6.1  粒子群算法存在的问题
        4.6.2  二进制粒子群算法
        4.6.3  自适应惯性权重
        4.6.4  自适应认知权重
      4.7  原始粒子群算法的时间复杂度
      4.8  实例应用
        4.8.1  求解函数最值
        4.8.2  拉压弹簧设计
        4.8.3  压力容器设计
      4.9  习题
    第5章  模拟退火算法
      5.1  模拟退火算法的思想

        5.1.1  退火现象
        5.1.2  Metropolis准则
        5.1.3  算法原理
      5.2  模拟退火算法的设计
      5.3  模拟退火算法的基本框架
      5.4  模拟退火算法的改进策略
        5.4.1  模拟退火算法存在的问题
        5.4.2  增加保留算子策略
        5.4.3  多粒子寻优策略
        5.4.4  重升温策略
        5.4.5  多普勒型降温策略
      5.5  模拟退火算法的时间复杂度
      5.6  实例应用
        5.6.1  求解函数最值
        5.6.2  拉压弹簧设计
        5.6.3  压力容器设计
      5.7  习题
    第6章  斑马优化算法
      6.1  斑马优化算法简介
        6.1.1  算法灵感
        6.1.2  优化问题解的模型
      6.2  种群位置更新策略
        6.2.1  觅食阶段
        6.2.2  防御阶段
      6.3  斑马优化算法的基本框架
      6.4  斑马优化算法的时间复杂度
      6.5  实例应用
        6.5.1  求解函数最值
        6.5.2  拉压弹簧设计
        6.5.3  压力容器设计
      6.6  习题
    第7章  雾凇优化算法
      7.1  雾凇优化算法简介
        7.1.1  算法灵感
        7.1.2  优化问题解的模型
      7.2  群体状态更新策略
        7.2.1  软雾凇搜索策略
        7.2.2  硬雾凇穿刺机制
        7.2.3  正贪婪选择机制
      7.3  雾凇优化算法的基本框架
      7.4  雾凇优化算法的时间复杂度
      7.5  实例应用
        7.5.1  求解函数最值
        7.5.2  拉压弹簧设计
        7.5.3  压力容器设计
      7.6  算法性能对比
        7.6.1  求解函数最值问题的性能对比
        7.6.2  求解拉压弹簧设计问题的性能对比
        7.6.3  求解压力容器设计问题的性能对比
      7.7  习题

    第8章  群体智能优化算法解决FJSP
      8.1  FJSP
        8.1.1  基本概念
        8.1.2  FJSP的分类
        8.1.3  FJSP的评价指标
        8.1.4  活动调度说明
      8.2  使用斑马优化算法解决FJSP
        8.2.1  编码和解码方案
        8.2.2  初始化
        8.2.3  种群更新
        8.2.4  实例验证
      8.3  使用雾凇优化算法解决FJSP
        8.3.1  编码和解码方案
        8.3.2  初始化
        8.3.3  位置更新策略
        8.3.4  实例验证
      8.4  使用混合离散粒子群算法和模拟退火算法解决FJSP
        8.4.1  编码和解码方案
        8.4.2  初始化
        8.4.3  基于离散粒子群算法的全局搜索
        8.4.4  基于模拟退火算法的局部搜索
        8.4.5  实例验证
      8.5  算法性能对比
    附录A
    参考文献