多尺度量子諧振子優(yōu)化算法

定　價(jià)：￥49.00

作　者：	王鵬，黃焱，李波，謝千河著
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787115427915	出版時(shí)間：	2016-08-01	包裝：	平裝
開本：	大32開	頁(yè)數(shù)：	156	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書以作者在自然計(jì)算領(lǐng)域的研究成果為基礎(chǔ)，全面、系統(tǒng)地介紹了一種基于量子諧振子物理模型的新的智能優(yōu)化算法—MQHOA算法，該算法的物理模型明確、算法結(jié)構(gòu)簡(jiǎn)單，無(wú)需復(fù)雜的初始條件設(shè)定和參數(shù)設(shè)置。將MQHOA算法用于求解函數(shù)優(yōu)化問(wèn)題和組合優(yōu)化問(wèn)題，并對(duì)算法的物理模型、迭代收斂性和并行性進(jìn)行理論分析和實(shí)驗(yàn)驗(yàn)證。全書共7章，每章都包含了作者近年的科研成果。本書可作為自然計(jì)算算法、人工智能領(lǐng)域開發(fā)人員和技術(shù)人員的參考書。

作者簡(jiǎn)介

　　王鵬，1974年生，西南民族大學(xué)教授、博士生導(dǎo)師，主要研究方向?yàn)樵朴?jì)算、高性能計(jì)算、網(wǎng)絡(luò)優(yōu)化等。

圖書目錄

第1章　緒論　1
1．1　背景知識(shí)　1
1．2　自然計(jì)算的研究現(xiàn)狀　2
1．2　MQHOA算法的研究現(xiàn)狀　7
1．3　MQHOA算法的最新研究進(jìn)展　9
第2章　優(yōu)化問(wèn)題的建模方法　17
2．1　最優(yōu)化問(wèn)題　17
2．2　MQHOA算法求解TSP優(yōu)化問(wèn)題的建模方法　17
2．3　MQHOA算法求解聚類中心點(diǎn)優(yōu)化問(wèn)題的建模方法　18
2．4　數(shù)據(jù)中心需量費(fèi)用優(yōu)化問(wèn)題的建模與求解　19
第3章　MQHOA算法的提出　35
3．1　MQHOA算法流程和數(shù)學(xué)描述　35
3．1．1　MQHOA算法的基本流程　35
3．1．2　MQHOA算法流程的數(shù)學(xué)描述　38
3．2　MQHOA算法的物理模型　39
3．2．1　MQHOA算法與經(jīng)典諧振子物理模型的對(duì)應(yīng)關(guān)系　39
3．2．2　MQHOA算法與量子諧振子物理模型的對(duì)應(yīng)關(guān)系　40
3．2．3　波函數(shù)　42
3．2．4　量子隧道效應(yīng)　43
3．2．5　測(cè)不準(zhǔn)原理　44
3．3　MQHOA、QPSO和SA算法性能的實(shí)驗(yàn)對(duì)比　45
第4章　MQHOA算法求解函數(shù)優(yōu)化問(wèn)題　49
4．1　引言　49
4．2　高維函數(shù)優(yōu)化問(wèn)題的多尺度量子諧振子模型　50
4．2．1　多尺度優(yōu)化函數(shù)二進(jìn)信息采樣模型　50
4．2．2　同一尺度下的量子諧振子搜索聚焦模型　51
4．3　多尺度量子諧振子算法實(shí)驗(yàn)分析　52
4．3．1　確定實(shí)驗(yàn)中的群體參數(shù) 和采樣參數(shù)　53
4．3．2　二維函數(shù)實(shí)驗(yàn)　53
4．3．3　高維函數(shù)實(shí)驗(yàn)　53
4．3．4　通過(guò)頻率變換加速含高頻成分函數(shù)的收斂進(jìn)程　55
第5章　MQHOA算法求解組合優(yōu)化問(wèn)題　57
5．1　引言　57
5．2　組合優(yōu)化問(wèn)題的定義　57
5．3　MQHOA算法求解TSP問(wèn)題的原理及過(guò)程　58
5．3．1　量子諧振子波函數(shù)所描述的收斂過(guò)程　58
5．3．2　多尺度量子諧振子算法的基本收斂過(guò)程　58
5．3．3　MQHOA算法求解TSP問(wèn)題的基本過(guò)程　59
5．4　實(shí)驗(yàn)結(jié)果及討論　61
5．4．1　MQHOA算法求解TSP標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)　61
5．4．2　MQHOA算法求解規(guī)則分布的TSP問(wèn)題　64
5．4．3　MQHOA算法求解TSP問(wèn)題的收斂特性分析　65
第6章　MQHOA算法的迭代收斂特性　67
6．1　MQHOA算法收斂過(guò)程和參數(shù)選擇　67
6．1．1　MQHOA算法的收斂過(guò)程　67
6．1．2　k、m參數(shù)的選擇對(duì)算法收斂性的影響　68
6．2　MQHOA算法的QHO收斂過(guò)程研究　69
6．2．1　QHO收斂過(guò)程的收斂性分析　69
6．2．2　QHO收斂過(guò)程中的波函數(shù)收斂定理　71
6．2．3　QHO收斂過(guò)程中的能量變化　72
6．2．4　QHO收斂過(guò)程中的測(cè)不準(zhǔn)關(guān)系　74
6．2．5　QHO收斂過(guò)程的波函數(shù)特性　76
6．3　MQHOA算法的M收斂過(guò)程研究　77
6．3．1　M收斂過(guò)程分析　77
6．3．2　M收斂過(guò)程實(shí)驗(yàn)　78
第7章　MQHOA算法的并行性研究　81
7．1　引言　81
7．2　MQHOA算法的運(yùn)行時(shí)間分析　81
7．3　MQHOA算法的并行化特性　82
7．3．1　MQHOA算法的并行方法　82
7．3．2　MQHOA算法的三種并行粒度　83
7．3．3　根據(jù)采樣參數(shù)選擇MQHOA算法的并行粒度　86
7．4　MQHOA-P算法的運(yùn)行流程　86
7．5　MQHOA-P算法的并行化性能分析　87
7．6　MQHOA-P算法的實(shí)驗(yàn)驗(yàn)證　88
參考文獻(xiàn)　91
附錄A　MQHOA算法核心代碼　101
附錄B　主要的函數(shù)優(yōu)化測(cè)試函數(shù)　113