群體智能導論 譚營 9787302677000 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202412*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：群體智能導論
ISBN：9787302677000
出版社：清華大學
著編譯者：譚營
頁數：283
所在地：中國大陸 *此為代購商品
書號：1700277
可大量預訂，請先連絡。

內容簡介

本書系統介紹群體智能的基本概念、主要方法與算法及其典型應用，首先簡要介紹了有關群體智能的基本概念、研究現狀與未來發展以及一般最優化問題及典型方法；其次重點介紹了三種典型的群體智能優化算法——粒子群優化、蟻群優化和煙花算法；然後介紹了多種新型群體智能優化算法和基於群體的進化計算方法，這些覆蓋了更為廣泛的新型方法；之後專門介紹了基於圖形處理器（GPU）的群體智能優化算法的并行實現，以此加速群體優化算法並促進群體智能優化算法在廣泛實際領域中的應用；接著還介紹了群體智能算法的一些典型應用實例；最後介紹了群體機器人，它是群體智能與機器人學相結合的產物。是群體智能的最成功落地應用之一。 本書可以作為高等院校智能科學與技術、人工智能、計算機科學與技術、控制與自動化、數據科學、物聯網技術、信息技術等專業的高年級本科生和研究生的教材，也可作為相關專業科研人員、工程技術人員和對群體智能感興趣讀者的參考書。

目錄

第1章 緒論
1 1 自然計算
1 2 什麼是群體智能
1 3 群體智能研究的意義
1 4 常見的群體智能算法
1 5 群體智能的典型應用
1 6 群體智能研究的發展前景
本章參考文獻
第2章 最優化問題與方法
2 1 最優化問題
2 1 1 定義
2 1 2 凸性
2 1 3 梯度、方嚮導數和海森矩陣
2 2 無約束優化
2 2 1 最速下降法
2 2 2 牛頓法
2 2 3 Levenberg-Marquardt方法
2 2 4 DFP方法
2 2 5 BFGS方法
2 2 6 鮑威爾方法
2 2 7 Nelder-Mead算法
2 3 約束優化
2 3 1 最優性條件
2 3 2 懲罰函數法
2 3 3 增廣拉格朗日乘子法
2 3 4 順序二次規劃
2 3 5 可行方向法
2 4 多目標優化
2 4 1 加權總和法
2 4 2 ε-約束方法
2 4 3 目標規劃法
2 4 4 效用函數法
2 5 動態優化
2 5 1 動態優化問題的定義
2 5 2 動態環境類型
2 5 3 基準測試問題示例
2 6 組合優化
2 6 1 分配問題
2 6 2 背包問題
2 6 3 整數規劃
本章小結
習題
本章參考文獻
第3章 粒子群優化
3 1 引言
3 2 基本粒子群優化
3 2 1 全局最佳粒子群優化
3 2 2 局部最佳粒子群優化
3 2 3 gbest PSO與lbest PSO的比較
3 2 4 速度成分
3 2 5 幾何描述
3 2 6 社會網絡結構
3 2 7 算法的其他部分
3 3 粒子軌跡
3 3 1 簡化PSO模型的粒子軌跡
3 3 2 軌跡示例
3 4 收斂性證明
3 4 1 局部收斂性
3 4 2 全局收斂性
3 5 單解與多解粒子群優化
3 5 1 單解粒子群優化
3 5 2 多解粒子群優化
3 6 粒子群優化的典型處理機制
3 6 1 速度鉗制
3 6 2 慣性權重
3 6 3 約束係數
3 6 4 同步更新和非同步更新
3 7 粒子群優化用於求解約束優化問題
3 7 1 剔除不可行解
3 7 2 懲罰函數
3 7 3 轉換為非約束問題
3 7 4 修復方法
3 8 粒子群優化用於求解多目標優化問題
3 8 1 動態鄰域多目標優化算法
3 8 2 向量評估遺傳算法
3 8 3 多目標粒子群優化算法
3 9 動態環境下的粒子群優化
3 9 1 影響PSO在動態環境下效率的因素
3 9 2 動態環境的PSO方法
3 9 3 動態環境的性能度量
3 10 離散粒子群優化
3 10 1 二元PSO
3 10 2 一般的離散PSO
3 11 典型應用舉例
3 11 1 單目標優化函數
3 11 2 神經網絡
本章小結
習題
本章參考文獻
第4章 蟻群優化
4 1 基本蟻群優化
4 1 1 簡單蟻群優化
4 1 2 螞蟻系統
4 1 3 蟻群系統
4 1 4 最大最小螞蟻系統
4 2 蟻群優化算法的一般框架
4 2 1 蟻群優化元啟發
4 2 2 螞蟻系統元啟發
4 2 3 螞蟻規劃
4 2 4 蟻群優化算法的特點
4 3 單種群的蟻群優化
4 3 1 帶信息素排斥的蟻群優化
4 3 2 帶候選集的蟻群優化
4 3 3 帶局部優化解的蟻群優化
4 3 4 基於群體的蟻群優化
4 4 多種群的蟻群優化
4 4 1 單目標問題
4 4 2 多目標問題
4 5 混合蟻群優化
4 5 1 引入局部搜索
4 5 2 引入禁忌搜索
4 5 3 引入遺傳算法
4 5 4 引入集束搜索
4 6 蟻群優化的收斂性
4 7 蟻群優化的集體決策
4 7 1 外激勵
4 7 2 人工信息素
4 7 3 變態分層結構
4 8 多目標蟻群優化
4 8 1 多目標優化問題及相關概念定義
4 8 2 基於帕累托的方法
4 8 3 指標函數法
4 8 4 目標分解法
4 9 動態環境下的蟻群優化
4 10 典型應用案例
4 10 1 旅行商問題
4 10 2 多背包問題
本章小結
習題
本章參考文獻
第5章 煙花算法
5 1 基本煙花算法
5 1 1 爆炸運算元
5 1 2 變異運算元
5 1 3 映射規則
5 1 4 選擇策略
5 1 5 基本煙花算法特點分析
5 2 煙花算法的收斂性與穩定性分析
5 2 1 隨機模型
5 2 2 全局收斂性
5 2 3 時間複雜度的基本理論
5 2 4 時間複雜度分析
5 3 增強煙花算法和動態搜索煙花算法
5 3 1 增強煙花算法
5 3 2 動態搜索煙花算法
5 3 3 實驗
5 3 4 小結
5 4 引導煙花算法
5 4 1 引導煙花算法概述
5 4 2 實驗
5 5 協同框架煙花算法
5 6 敗者退出煙花算法
5 6 1 敗者退出機制
5 6 2 實驗
5 7 其他改進型煙花算法
5 7 1 煙花算法的改進
5 7 2 煙花算法與其他算法的混合
5 8 多目標煙花算法
5 8 1 基本概念
5 8 2 施肥問題
5 8 3 多目標煙花算法概述
5 8 4 實驗和討論
5 8 5 小結
5 9 離散煙花算法
5 9 1 旅行
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。