• 
  机械设计(第八版)(内容一样、印次和原价不一样，统一售价，随机发货)
  ￥14.40

智能优化算法在解决大空间、非线性、全局寻优、组合优化等复杂问题方面具有独特的优势,因而得到了国内外学者的广泛关注,并在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。本书介绍了8种经典智能优化算法——遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法的来源、原理、算法流程和关键参数说明,并给出了具体的MATLAB仿真实例。对于要用这些算法工具来解决具体问题的理论研究和工程技术人员,通过本书可以节省大量查询资料和编写程序的时间,通过仿真实例可以更深入地理解、快速地掌握这些算法。

目 录 第1章 概述 1 1.1 进化类算法 2 1.2 群智能算法 3 1.3 模拟退火算法 5 1.4 禁忌搜索算法 5 1.5 神经网络算法 5 参考文献 6 第2章 遗传算法 7 2.1 引言 7 2.2 遗传算法理论 8 2.2.1 遗传算法的生物学基础 8 2.2.2 遗传算法理论基础 9 2.2.3 遗传算法的基本概念 11 2.2.4 标准遗传算法 14 2.2.5 遗传算法的特点 14 2.2.6 遗传算法的改进方向 15 2.3 遗传算法流程 15 2.4 关键参数说明 17 2.5 MATLAB仿真实例 18 参考文献 33 第3章 差分进化算法 35 3.1 引言 35 3.2 差分进化算法理论 36 3.2.1 差分进化算法原理 36 3.2.2 差分进化算法的特点 36 3.3 差分进化算法种类 37 3.3.1 基本差分进化算法 37 3.3.2 差分进化算法的其他形式 39 3.3.3 改进的差分进化算法 40 3.4 差分进化算法流程 41 3.5 关键参数的说明 42 3.6 MATLAB仿真实例 43 参考文献 55 第4章 免疫算法 57 4.1 引言 57 4.2 免疫算法理论 58 4.2.1 生物免疫系统 58 4.2.2 免疫算法概念 60 4.2.3 免疫算法的特点 61 4.2.4 免疫算法算子 61 4.3 免疫算法种类 65 4.3.1 克隆选择算法 65 4.3.2 免疫遗传算法 65 4.3.3 反向选择算法 65 4.3.4 疫苗免疫算法 66 4.4 免疫算法流程 66 4.5 关键参数说明 68 4.6 MATLAB仿真实例 69 参考文献 82 第5章 蚁群算法 85 5.1 引言 85 5.2 蚁群算法理论 86 5.2.1 真实蚁群的觅食过程 86 5.2.2 人工蚁群的优化过程 88 5.2.3 真实蚂蚁与人工蚂蚁的异同 88 5.2.4 蚁群算法的特点 89 5.3 基本蚁群算法及其流程 90 5.4 改进的蚁群算法 93 5.4.1 精英蚂蚁系统 93 5.4.2 *大*小蚂蚁系统 93 5.4.3 基于排序的蚁群算法 94 5.4.4 自适应蚁群算法 94 5.5 关键参数说明 95 5.6 MATLAB仿真实例 97 参考文献 106 第6章 粒子群算法 109 6.1 引言 109 6.2 粒子群算法理论 110 6.2.1 粒子群算法描述 110 6.2.2 粒子群算法建模 111 6.2.3 粒子群算法的特点 111 6.3 粒子群算法种类 112 6.3.1 基本粒子群算法 112 6.3.2 标准粒子群算法 112 6.3.3 压缩因子粒子群算法 113 6.3.4 离散粒子群算法 114 6.4 粒子群算法流程 114 6.5 关键参数说明 115 6.6 MATLAB仿真实例 118 参考文献 133 第7章 模拟退火算法 135 7.1 引言 135 7.2 模拟退火算法理论 136 7.2.1 物理退火过程 136 7.2.2 模拟退火原理 137 7.2.3 模拟退火算法思想 138 7.2.4 模拟退火算法的特点 139 7.2.5 模拟退火算法的改进方向 139 7.3 模拟退火算法流程 140 7.4 关键参数说明 141 7.5 MATLAB仿真实例 143 参考文献 154 第8章 禁忌搜索算法 155 8.1 引言 155 8.2 禁忌搜索算法理论 156 8.2.1 局部邻域搜索 156 8.2.2 禁忌搜索 157 8.2.3 禁忌搜索算法的特点 157 8.2.4 禁忌搜索算法的改进方向 158 8.3 禁忌搜索算法流程 158 8.4 关键参数说明 160 8.5 MATLAB仿真实例 163 参考文献 174 第9章 神经网络算法 177 9.1 引言 177 9.2 神经网络算法理论 178 9.2.1 人工神经元模型 178 9.2.2 常用激活函数 179 9.2.3 神经网络模型 180 9.2.4 神经网络工作方式 180 9.2.5 神经网络算法的特点 181 9.3 梯度下降算法 182 9.4 BP神经网络算法 183 9.5 神经网络算法的实现 186 9.5.1 数据预处理 186 9.5.2 神经网络实现函数 188 9.6 MATLAB仿真实例 191 参考文献 199 附录A MATLAB主要函数命令 201

包子阳:**工程师,自2009年8月至今工作于北京无线电测量研究所。2009年6月毕业于电子科技大学信号与信息处理专业,获硕士学位。一直从事雷达电气总体、智能算法和深度学习等研究工作。迄今出版人工智能算法专著3部,申请发明专利10项,在国际雷达会议、《系统工程与电子技术》等发表学术论文十余篇。