智能算法導(dǎo)論

定　價：￥75.00

作　者：	尚榮華，焦李成，劉芳，李陽陽著
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

ISBN：	9787302584650	出版時間：	2021-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	276	字?jǐn)?shù)：

內(nèi)容簡介

　　智能算法是在進(jìn)化計算、模糊邏輯、神經(jīng)網(wǎng)絡(luò)三個分支發(fā)展相對成熟的基礎(chǔ)上，通過相互之間的有機(jī)融合進(jìn)而形成的新的科學(xué)方法，也是智能理論和技術(shù)發(fā)展的嶄新階段。該書對智能算法的前沿領(lǐng)域進(jìn)行了詳細(xì)論述，主要內(nèi)容包括遺傳算法、免疫算法、Memetic算法、粒子群算法、蟻群算法、狼群算法、人工蜂群算法、細(xì)菌覓食優(yōu)化算法、分布估計算法、差分進(jìn)化算法、模擬退火算法、貪心算法、雨滴算法、禁忌搜索算法、量子算法、A*算法、神經(jīng)網(wǎng)絡(luò)算法、深度學(xué)習(xí)算法、強(qiáng)化學(xué)習(xí)及混合智能算法。《智能算法導(dǎo)論》著重對上述領(lǐng)域的國內(nèi)外發(fā)展現(xiàn)狀進(jìn)行總結(jié)，闡述編者對相關(guān)領(lǐng)域未來發(fā)展的思考。該書可以為計算機(jī)科學(xué)、信息科學(xué)、人工智能自動化技術(shù)等領(lǐng)域從事自然計算、機(jī)器學(xué)習(xí)、圖像處理研究的相關(guān)專業(yè)技術(shù)人員提供參考，也可以作為相關(guān)專業(yè)研究生和高年級本科生教材。

作者簡介

　　尚榮華博士，教授，博士生導(dǎo)師，IEEE 會員，教育部重點實驗室骨干成員，教育部創(chuàng)新團(tuán)隊骨干成員，國家 “111計劃” 創(chuàng)新引智基地骨干成員，校 “智能信息處理優(yōu)秀創(chuàng)新團(tuán)隊” 骨干成員。一直致力于智能感知與自然計算、類腦計算與大數(shù)據(jù)的學(xué)習(xí)、優(yōu)化與應(yīng)用研究。發(fā)表論文100余篇，其中SCI檢索80余篇，IEEE期刊16篇。Google Scholar引用2007次，單篇z高168次。主持了包括2項國家自然科學(xué)基金面上在內(nèi)的10余項科研項目。授權(quán)國家發(fā)明專利20余項，出版專著6部。

圖書目錄

第1章遺傳算法
1．1 遺傳算法起源
1．1．1 遺傳算法生物學(xué)基礎(chǔ)
1．1．2 遺傳算法發(fā)展歷程
1．2 遺傳算法實現(xiàn)
1．2．1 遺傳算法流程
1．2．2 重要參數(shù)
1．3 基于遺傳算法的組合優(yōu)化
1．3．1 基于遺傳算法的TTP問題
1．3．2 基于遺傳算法的旅行商問題
1．3．3 基于遺傳算法的0-1規(guī)劃
1．4 基于遺傳算法的圖像處理
1．4．1 基于遺傳算法的圖像分割
1．4．2 基于遺傳算法的圖像增強(qiáng)
1．4．3 基于遺傳算法的圖像變化檢測
1．5 基于遺傳算法的社區(qū)檢測
1．5．1 多目標(biāo)遺傳算法
1．5．2 遺傳編碼
1．5．3 Pareto最優(yōu)解
參考文獻(xiàn)
第2章免疫算法
2．1 生物免疫系統(tǒng)與人工免疫系統(tǒng)
2．2 免疫算法實現(xiàn)
2．2．1 克隆選擇算法
2．2．2 人工免疫系統(tǒng)模型
2．3 基于免疫算法的聚類分析
2．3．1 聚類問題
2．3．2 免疫進(jìn)化方法
2．4 基于免疫算法的限量弧路由問題
2．4．1 限量弧路由問題模型
2．4．2 基于免疫協(xié)同進(jìn)化的限量弧路由問題
參考文獻(xiàn)
第3章 Memetic算法
3．1 Memetic算法發(fā)展歷程
3．2 Memetic算法實現(xiàn)
3．2．1 Memetic算法流程
3．2．2 Memetic算法改進(jìn)
3．2．3 Memetic算法研究分類
3．3 基于Memetic算法的社區(qū)檢測
3．3．1 多目標(biāo)Memetic優(yōu)化算法
3．3．2 局部搜索
3．4 基于Memetic算法的限量弧路由問題
3．4．1 路由距離分組
3．4．2 子問題解的更替
3．4．3 基于分解的Memetic算法
參考文獻(xiàn)
第4章粒子群算法
4．1 粒子群算法起源
4．1．1 粒子群算法生物學(xué)基礎(chǔ)
4．1．2 粒子群算法發(fā)展歷程
4．2 粒子群算法實現(xiàn)
4．2．1 基本粒子群算法
4．2．2 改進(jìn)粒子群算法
4．3 基于粒子群算法的圖像處理
4．3．1 基于粒子群算法的圖像分割
4．3．2 基于粒子群算法的圖像分類
4．3．3 基于粒子群算法的圖像匹配
4．4 基于粒子群算法的優(yōu)化問題
4．4．1 基于粒子群算法的旅行商問題
4．4．2 基于粒子群算法的配送中心選址問題
4．4．3 基于粒子群算法的函數(shù)優(yōu)化
參考文獻(xiàn)
第5章蟻群算法
5．1 蟻群算法起源
5．1．1 蟻群算法生物學(xué)基礎(chǔ)
5．1．2 蟻群算法發(fā)展歷程
5．2 蟻群算法實現(xiàn)
5．2．1 蟻群算法流程
5．2．2 離散域和連續(xù)域蟻群算法
……
第6章狼群算法
第7章人工蜂群算法
第8章細(xì)菌覓食優(yōu)化算法
第9章分布估計算法
第10章差分進(jìn)化算法
第11章模擬退火算法
第12章貪心算法
第13章雨滴算法
第14章禁忌搜索算法
第15章量子搜索與優(yōu)化
第16章量子粒子群優(yōu)化
第17章最小二乘法
第18章 A*算法
第19章神經(jīng)網(wǎng)絡(luò)算法
第20章深度學(xué)習(xí)算法
第21章強(qiáng)化學(xué)習(xí)
第22章混合智能算法