目錄
目錄
第 1 章 引言:模因論在計算領域的興起
1 1 搜索和優化的模擬進化
1 1 1 進化計算的致命弱點
1 2 專家知識、學習和優化
1 2 1 綜合模因計算的進階之路
1 3 各章 內容概述
參考文獻
第一部分 手動設計的模因
第 2 章 經典模因算法
2 1 局部搜索和全域搜索
2 2 經典模因算法的偽代碼
2 2 1 拉馬克進化
2 2 2 鮑德溫效應
2 3 數值實驗的啟示
2 3 1 實驗建立
2 3 2 結果和討論
參考文獻
第 3 章 模因算法中數據驅動的自適應
3 1 自適應的元拉馬克學習
3 1 1 子問題分解
3 1 2 與獎勵成比例的輪盤賭選擇
3 2 可進化性度量
3 2 1 可進化性的隨機學習
3 3 模因複合體
3 3 1 模因複合體的表達
3 3 2 模因複合體網絡權重的學習
3 4 高代價全域優化中的多代理
3 4 1 專家複合體
3 5 結論
參考文獻
第二部分 機器設計的模因
第 4 章 模因自動機
4 1 多問題環境:一種新的優化場景
4 1 1 模因遷移的定性的可行性評估
4 1 2 搜索空間統一的重要性
4 2 模因的概率形式化
4 2 1 大規模、多樣化的知識庫的作用
4 3 多問題環境的分類
參考文獻
第 5 章 問題間的時序知識遷移
5 1 概述
5 2 相關工作的回顧
5 3 通過混合建模實現模因集成
5 3 1 學習最優模型回歸
5 3 2 理論分析
5 4 一種自適應模因遷移優化算法
5 5 數值實驗
5 5 1 實例
5 5 2 實際案例研究
5 6 高代價函數優化中的知識遷移
5 6 1 針對回歸遷移的混合建模
5 6 2 工程設計中的一項研究
參考文獻
第 6 章 問題間的多任務知識遷移
6 1 概述
6 2 相關工作綜述
6 3 自適應模因多任務優化算法
6 4 數值實驗
6 4 1 實例
6 4 2 實際案例研究
參考文獻
第 7 章 將來研究方向:壓縮模因空間進化
7 1 基於分類的離散優化
7 2 基於神經網絡的壓縮表徵
7 2 1 應用於背包問題
7 3 數值研究
7 4 小結
參考文獻
附錄
A 1 基於概率模型的優化算法
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。