[ 收藏 ] [ 繁体中文 ]  
臺灣貨到付款、ATM、超商、信用卡PAYPAL付款,4-7個工作日送達,999元臺幣免運費   在線留言 商品價格為新臺幣 
首頁 電影 連續劇 音樂 圖書 女裝 男裝 童裝 內衣 百貨家居 包包 女鞋 男鞋 童鞋 計算機周邊

商品搜索

 类 别:
 关键字:
    

商品分类

  • 新类目

     管理
     投资理财
     经济
     社会科学
  • 智能優化算法與湧現計算 李士勇李研林永茂編著 著 醫學其它生活
    該商品所屬分類:醫學 -> 工業技術
    【市場價】
    948-1376
    【優惠價】
    593-860
    【作者】 李士勇 
    【出版社】清華大學出版社 
    【ISBN】9787302517429
    【折扣說明】一次購物滿999元台幣免運費+贈品
    一次購物滿2000元台幣95折+免運費+贈品
    一次購物滿3000元台幣92折+免運費+贈品
    一次購物滿4000元台幣88折+免運費+贈品
    【本期贈品】①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
    版本正版全新電子版PDF檔
    您已选择: 正版全新
    溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。
    *. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。
    *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。
    *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。
    內容介紹



    ISBN編號:9787302517429
    書名:智能優化算法與湧現計算 智能優化算法與湧現計算
    作者:李士勇

    代碼:119
    開本:16開
    是否是套裝:否

    出版社名稱:清華大學出版社

        
        
    "

    智能優化算法與湧現計算

    作  者: 李士勇李研林永茂編著 著
    size="731x8"
    定  價: 119
    size="731x8"
    出?版?社: 清華大學出版社
    size="731x8"
    出版日期: 2018年04月01日
    size="731x8"
    頁  數: 604
    size="731x8"
    裝  幀: 平裝
    size="731x8"
    ISBN: 9787302517429
    size="731x8"
    主編推薦

    本書旨在開闊讀者視野,啟迪讀者創新思維,激勵廣大學者在生生不息、豐富多彩的大自然中捕捉創新靈感。本書可供人工智能、人工生命、智能科學、計算機科學、信息科學、自動化、繫統科學、管理科學等相關領域的教師、研究生、研究人員及工程技術人員學習參考。

    目錄
    篇仿人智能優化算法 章模糊邏輯算法 1.1模糊集合及其表示 1.2模糊集合的運算及其性質 1.3模糊關繫與模糊矩陣 1.4模糊推理規則 1.5模糊繫統的萬能逼近特性 第2章神經網絡算法 2.1神經細胞結構與功能 2.2人的基本特性 2.3人工神經網絡及其特點 2.4前向神經網絡的結構、訓練及學習 2.5神經網絡的學習規則 2.6前向網絡誤差反向傳播學習算法及其逼近特性 第3章免疫算法 3.1免疫繫統的基本概念 3.2免疫繫統的組織結構 3.3免疫繫統的免疫機制 3.4免疫繫統的學習及優化機理 3.5免疫算法及克隆選擇算法的實現步驟 第4章內分泌算法 4.1內分泌算法的提出 4.2內分泌與神經、免疫繫統之間的關繫 4.3生物內分泌繫統 4.4內分泌激素調節規律的描述 4.5人工內分泌繫統內分泌激素的調節機制 4.6基於內分泌調節機制的行為自組織算法的實現 第5章人工代謝算法 5.1人工代謝算法的提出 5.2人工代謝算法的原理 5.3人工代謝算法的描述 5.4人工代謝算法的實現流程 第6章膜計算 6.1膜計算的提出 6.2細胞膜的結構、模型及功能 6.3標準膜計算的原理 6.4標準膜計算的描述 6.5膜計算的過程及實現步驟 第7章禁忌搜索算法 7.1禁忌搜索算法的提出 7.2組合優化中的鄰域概念 7.3局部搜索算法 7.4禁忌搜索算法 7.5禁忌搜索算法主要操作及參數 第8章和聲搜索算法 8.1和聲搜索算法的提出 8.2和聲搜索算法的原理及結構 8.3和聲搜索算法的主要步驟及流程 第9章思維進化算法 9.1思維進化算法的提出 9.2思維進化算法的基本思想 9.3思維進化算法的描述 9.4思維進化算法的實現步驟及流程 0章社會進化算法 10.1社會進化算法的提出 10.2社會進化算法的基本思想 10.3多智能體社會進化繫統 10.4社會進化算法的描述 10.5社會進化算法的實現步驟 1章人口遷移算法 11.1人口遷移算法的提出 11.2人口遷移算法的原理 11.3人口遷移算法的描述 11.4人口遷移算法的實現步驟 2章標杆學習算法 12.1標杆學習算法的提出 12.2標杆管理的基本思想 12.3標杆學習算法的基本原理 12.4標杆學習算法的數學描述 12.5標杆學習算法的實現流程 3章瞭望算法 13.1瞭望算法的提出 13.2瞭望算法的基本原理 13.3瞭望算法的數學描述 13.4求解全局優化問題的瞭望算法的實現 4章視覺認知優化算法 14.1視覺認知優化算法的提出 14.2視覺認知優化算法的原理 14.3視覺認知優化算法的描述與步驟 14.4算法的收斂性證明 14.5視覺認知優化算法的實現舉例 14.6基於視覺認知的可視化算法 5章頭腦風暴優化算法 15.1頭腦風暴優化算法的提出 15.2頭腦風暴優化算法的基本思想 15.3頭腦風暴過程的描述 15.4頭腦風暴優化算法的描述及實現步驟 15.5基於討論機制的頭腦風暴優化算法 6章隨機聚焦搜索優化算法 16.1隨機聚焦搜索優化算法的提出 16.2隨機聚焦搜索優化算法的原理 16.3隨機聚焦搜索優化算法的描述 16.4隨機聚焦搜索算法的基本步驟 16.5基於隨機聚焦搜索算法的衝壓成形工藝優化 7章教學優化算法 17.1教學優化算法的提出 17.2教學優化算法的原理 17.3教學優化算法的數學描述 17.4教學優化算法的實現步驟 8章帝國競爭算法 18.1帝國競爭算法的提出 18.2帝國競爭算法的原理 18.3帝國競爭算法的數學描述 18.4帝國競爭算法的實現步驟及流程 9章世界杯競賽算法 19.1世界杯競賽算法的提出 19.2世界杯競賽算法的描述 19.3世界杯競賽算法的實現流程 第20章集體決策優化算法 20.1集體決策優化算法的提出 20.2集體決策優化的基本思想 20.3集體決策優化算法的數學描述 20.4集體決策優化算法的實現 第二篇進 化 算 法 第21章遺傳算法 21.1遺傳算法的提出 21.2遺傳算法的優化原理 21.3生物的遺傳及遺傳算法的基本概念 21.4遺傳算法的基本操作 21.5遺傳算法的求解步驟 21.6原對偶遺傳算法 第22章遺傳編程 22.1遺傳編程的提出 22.2遺傳編程的原理及基本操作 22.3遺傳編程算法的設計步驟及流程 22.4遺傳編程算法的本質屬性 第23章進化規劃 23.1進化規劃的提出 23.2進化規劃的原理及基本操作 23.3進化規劃的實現步驟及流程 第24章進化策略 24.1進化策略的提出 24.2進化策略的基本原理 24.3進化策略的基本操作 24.4進化策略的實現步驟及流程 第25章分布估計算法 25.1分布估計算法的提出 25.2分布估計算法的基本原理 25.3分布估計算法的描述 25.4分布估計算法的基本步驟及流程 第26章差分進化算法 26.1差分進化算法的提出 26.2差分進化算法的原理 26.3差分進化算法的基本操作 26.4差分進化算法的實現步驟及流程 26.5差分進化算法的擴展形式 第27章DNA計算 27.1DNA計算的提出 27.2DNA計算的生物學基礎 27.3DNA計算的基本原理及主要步驟 27.4DNA計算的基本操作 27.5DNA計算的編碼問題 27.6DNA計算繫統的原型 第28章基因表達式編程算法 28.1基因表達式編程算法的提出 28.2基因表達式編程算法的原理 28.3基因表達式編程的基本概念 28.4GEP算法的遺傳操作 28.5基本的GEP算法流程 第29章Memetic算法 29.1Memetic算法的提出 29.2Memetic算法的原理 29.3Memetic算法的描述 29.4Memetic算法的流程 29.5Memetic算法的特點及其意義 第30章文化算法 30.1文化算法的提出 30.2文化算法的基本結構與原理 30.3文化算法求解約束優化問題的描述與設計 30.4基本文化算法的實現步驟及流程 第三篇群智能優化算法 第31章蟻群優化算法/蟻獅優化算法 31.1蟻群優化算法的提出 31.2螞蟻的習性及覓食行為 31.3蟻群覓食策略的優化原理 31.4蟻群算法的原型——螞蟻繫統模型的描述 31.5基本蟻群算法的流程 31.6蟻獅優化算法的提出 31.7蟻獅的狩獵行為 31.8蟻獅優化算法的原理 31.9蟻獅優化算法的數學描述 31.10蟻獅優化算法的實現 第32章粒子群優化算法 32.1粒子群優化算法的提出 32.2粒子群優化算法的基本原理 32.3粒子群優化算法的描述 32.4粒子群優化算法的實現步驟及流程 32.5粒子群優化算法的特點及其改進 第33章人工蜂群算法/蜂群優化算法 33.1蜂群算法的提出 33.2人工蜂群算法的基本原理 33.3人工蜂群算法的描述 33.4人工蜂群算法的實現步驟與流程 33.5基於蜜蜂繁殖行為的蜂群優化算法 第34章混合蛙跳算法 34.1混合蛙跳算法的提出 34.2混合蛙跳算法的基本原理 34.3基本混合蛙跳算法的描述 34.4混合蛙跳算法的實現步驟 34.5混合蛙跳算法的流程 第35章人工魚群算法 35.1人工魚群算法的提出 35.2動物自治體模型與魚類的覓食行為 35.3人工魚群算法的基本原理 35.4人工魚群算法的數學描述 35.5人工魚群算法的流程 第36章大馬哈魚洄遊算法 36.1大馬哈魚洄遊算法的提出 36.2大馬哈魚的洄遊習性 36.3大馬哈魚洄遊算法的原理 36.4大馬哈魚洄遊算法的描述 36.5大馬哈魚洄遊算法的實現步驟及流程 第37章鯨魚優化算法 37.1鯨魚優化算法的提出 37.2鯨魚的泡泡網覓食行為 37.3鯨魚優化算法的原理 37.4鯨魚優化算法的數學描述 37.5鯨魚優化算法的實現步驟及流程 第38章磷蝦群算法 38.1磷蝦群算法的提出 38.2磷蝦群算法的原理 38.3磷蝦群算法的數學描述 38.4磷蝦群算法的實現步驟及流程 第39章細菌覓食優化算法 39.1細菌覓食優化算法的提出 39.2大腸杆菌的結構及覓食行為 39.3細菌覓食優化算法的原理 39.4細菌覓食優化算法的數學描述 39.5細菌覓食優化算法的實現步驟及流程 第40章細菌(群體)趨藥性算法 40.1細菌(群體)趨藥性算法的提出 40.2細菌趨藥性算法的原理 40.3細菌趨藥性算法的數學描述 40.4細菌群體趨藥性算法的基本思想 40.5細菌群體趨藥性算法的數學描述 40.6細菌群體趨藥性算法的實現步驟 第41章細菌菌落優化算法 41.1細菌菌落優化算法的提出 41.2細菌的生長、繁殖、死亡過程 41.3細菌菌落優化算法的原理 41.4細菌菌落優化算法的設計 41.5細菌菌落優化算法的實現步驟及流程 第42章貓群優化算法 42.1貓群優化算法的提出 42.2貓的習性 42.3貓群優化算法的原理 42.4貓群優化算法的數學描述 42.5貓群優化算法的實現步驟 42.6貓群優化算法實現的程序流程 第43章鼠群優化算法 43.1鼠群優化算法的提出 43.2鼠群優化算法的原理 43.3鼠群優化算法及其環境描述 43.4鼠群優化算法的實現步驟 第44章貓鼠種群算法 44.1貓鼠種群算法提出 44.2貓鼠種群算法的原理 44.3貓鼠種群算法的數學描述 44.4貓鼠種群算法的實現步驟及流程 第45章雞群優化算法 45.1雞群優化算法的提出 45.2雞群優化算法的基本思想 45.3雞群優化算法的數學描述 45.4雞群優化算法的實現步驟及流程 第46章狼群算法 46.1狼群算法的提出 46.2狼的習性及狼群特征 46.3狼群算法的原理 46.4狼群算法的數學描述 46.5狼群算法的實現步驟及流程 第47章灰狼優化算法 47.1灰狼優化算法的提出 47.2灰狼的社會等級及狩獵行為 47.3灰狼優化算法的數學描述 47.4灰狼優化算法的實現步驟及流程 第48章獅子優化算法 48.1獅子優化算法的提出 48.2獅子的習性 48.3獅子優化算法的原理 48.4獅子優化算法的數學描述 48.5獅子優化算法的實現 第49章猴群算法 49.1猴群算法的提出 49.2猴群算法的原理 49.3猴群算法的數學描述 49.4猴群算法的實現步驟及流程 第50章雁群優化算法 50.1雁群優化算法的提出 50.2雁群飛行規則及其假設 50.3雁群優化算法的基本思想 50.4雁群優化算法的數學描述 50.5雁群優化算法的實現步驟及流程 第51章候鳥優化算法 51.1候鳥優化算法的提出 51.2候鳥V字形編隊飛行的優化原理 51.3候鳥優化算法的描述 51.4候鳥優化算法的實現步驟及流程 51.5候鳥優化算法的特點及參數分析 第52章布谷鳥搜索算法 52.1布谷鳥搜索算法的提出 52.2布谷鳥的繁殖行為與Levy飛行 52.3布谷鳥搜索算法的原理 52.4布谷鳥搜索算法的數學描述 52.5布谷鳥搜索算法的實現步驟及流程 第53章螢火蟲群優化算法/螢火蟲算法 53.1螢火蟲群優化算法的提出 53.2螢火蟲閃光的特點及功能 53.3螢火蟲群優化算法的數學描述 53.4螢火蟲群優化算法的實現步驟及流程 53.5螢火蟲算法的基本思想 53.6螢火蟲算法的數學描述 53.7螢火蟲算法的實現步驟及流程 第54章飛蛾撲火優化算法 54.1飛蛾撲火優化算法的提出 54.2飛蛾的橫向導航方法 54.3飛蛾撲火的原理 54.4飛蛾撲火優化算法的數學描述 54.5飛蛾撲火優化算法的實現步驟 第55章蝙蝠算法 55.1蝙蝠算法的提出 55.2蝙蝠的習性及回聲定位 55.3蝙蝠算法的基本思想 55.4蝙蝠算法的數學描述 55.5蝙蝠算法的實現步驟及流程 第56章果蠅優化算法 56.1果蠅優化算法的提出 56.2果蠅的生物價值及覓食行為 56.3果蠅優化算法的基本原理 56.4果蠅優化算法的數學描述 56.5果蠅優化算法的實現步驟及流程 第57章群居蜘蛛優化算法 57.1群居蜘蛛優化算法的提出 57.2蜘蛛的習性與特征 57.3群居蜘蛛優化算法的基本思想 57.4群居蜘蛛優化算法的數學描述 57.5蜘蛛優化算法的實現步驟及流程 第58章蟑螂優化算法 58.1蟑螂優化算法的提出 58.2蟑螂的習性 58.3蟑螂優化算法的原理 58.4蟑螂優化算法的數學描述 58.5蟑螂優化算法的實現步驟 第59章捕食搜索算法 59.1捕食搜索算法的提出 59.2動物捕食策略 59.3捕食搜索算法的基本思想 59.4捕食搜索算法的數學描述 59.5捕食搜索算法的實現步驟及流程 第60章自由搜索算法 60.1自由搜索算法的提出 60.2自由搜索算法的優化原理 60.3自由搜索算法的數學描述 60.4自由搜索算法的實現步驟及流程 第61章食物鏈算法 61.1食物鏈算法的提出 61.2捕食食物鏈 61.3人工捕食策略 61.4人工生命食物鏈的基本思想 61.5食物鏈算法的數學描述 61.6食物鏈算法的實現步驟及流程 第62章共生生物搜索算法 62.1共生生物搜索算法的提出 62.2共生生物搜索算法的原理 62.3共生生物搜索算法的數學描述 62.4SOS算法的實現步驟及流程 第63章生物地理學優化算法 63.1生物地理學優化算法的提出 63.2生物地理學的基本概念及生物物種遷移模型 63.3生物地理學優化算法的原理 63.4生物地理學優化算法的數學描述 63.5生物地理學優化算法的實現步驟及流程 第64章競爭優化算法 64.1競爭優化算法的提出 64.2競爭優化算法的原理 64.3競爭優化算法的描述 64.4競爭優化算法的實現步驟及流程 第四篇仿植物生長算法 第65章模擬植物生長算法 65.1模擬植物生長算法的提出 65.2模擬植物生長算法的原理 65.3模擬植物生長算法的數學描述 65.4模擬植物生長算法的實現步驟 第66章人工植物優化算法 66.1人工植物優化算法的提出 66.2人工植物優化算法的優化原理 66.3人工植物優化算法的數學描述 66.4人工植物優化算法的實現步驟及流程 第67章人工藻類算法 67.1人工藻類算法的提出 67.2藻類的生長特性 67.3人工藻類算法的數學描述 67.4人工藻類算法的偽代碼及流程 第68章小樹生長算法 68.1小樹生長算法的提出 68.2小樹生長算法的優化原理 68.3小樹生長算法的數學描述 68.4小樹生長算法的程序實現 第69章自然樹生長競爭算法 69.1自然樹生長競爭算法的提出 69.2自然樹生長競爭算法的優化機理 69.3自然樹生長的競爭模型 69.4自然樹生長競爭算法的數學描述 69.5自然樹生長競爭算法的實現步驟及流程 第70章根樹優化算法 70.1根樹優化算法的提出 70.2根樹優化算法的基本原理 70.3根樹優化算法的數學描述 70.4RTO算法的實現步驟 第71章森林優化算法 71.1森林優化算法的提出 71.2森林優化算法的原理 71.3森林優化算法的數學描述 71.4森林優化算法的實現步驟及流程 第72章入侵草優化算法 72.1入侵草優化算法的提出 72.2雜草生長的入侵性 72.3入侵草優化算法的原理 72.4入侵草優化算法的數學描述 72.5入侵草優化算法的實現步驟及流程 第73章種子優化算法 73.1種子優化算法的提出 73.2種子優化算法的基本思想 73.3種子優化算法的數學描述 73.4基於正態分布的種子優化算法 第74章花朵授粉算法 74.1花朵授粉算法的提出 74.2花朵授粉的特征 74.3花朵授粉算法的數學描述 74.4花朵授粉算法的實現步驟及流程 第五篇仿自然優化算法 第75章模擬退火算法 75.1模擬退火算法的提出 75.2固體退火過程的統計力學原理 75.3模擬退火算法的數學描述 75.4模擬退火算法的實現步驟及流程 第76章混沌優化算法 76.1混沌優化算法的提出 76.2混沌學與Logistic映射 76.3混沌優化算法的實現步驟 76.4變尺度混沌優化算法的實現步驟 第77章混沌黃金分割搜索算法 77.1混沌黃金分割搜索算法的提出 77.2混沌黃金分割搜索算法的原理及數學描述 77.3混沌黃金分割搜索算法的結構 77.4混沌黃金分割搜索算法的實現步驟及流程 第78章隨機分形搜索算法 78.1隨機分形搜索算法的提出 78.2隨機分形搜索的原理 78.3分形搜索算法的數學描述 78.4分形搜索算法的實現步驟 78.5隨機分形搜索算法的數學描述及實現步驟 第79章量子搜索算法 79.1量子搜索算法的提出 79.2量子計算基礎 79.3Grover量子搜索算法的原理 79.4Grover算法的搜索步驟 79.4量子遺傳算法的原理及實現步驟 第80章智能水滴優化算法 80.1智能水滴優化算法的提出 80.2智能水滴優化算法的基本原理 80.3智能水滴優化算法的數學描述 80.4智能水滴優化算法求解TSP問題的步驟及流程 第81章水循環算法 81.1水循環算法的提出 81.2水循環過程 81.3水循環算法的基本原理 81.4水循環算法的數學描述 81.5水循環算法的實現步驟及流程 第82章水波優化算法 82.1水波優化算法的提出 82.2水波現像與水波理論 82.3水波優化算法的基本原理 82.4水波優化算法的數學描述 82.5水波優化算法的實現步驟及流程 第83章人工雨滴算法 83.1人工雨滴算法的提出 83.2雨滴形成及降雨過程分析 83.3人工雨滴算法的基本思想 83.4人工雨滴算法的數學描述 83.4人工雨滴算法的實現步驟及流程 第84章雲搜索優化算法 84.1雲搜索優化算法的提出 84.2雲搜索優化算法的基本思想 84.3雲搜索優化算法的數學描述 84.4雲搜索優化算法的實現步驟 第85章氣像雲模型優化算法 85.1氣像雲模型優化算法的提出 85.2氣像雲模型優化算法的基本思想 85.3氣像雲模型優化算法的數學描述 85.4氣像雲模型優化算法的實現步驟及流程 第86章風驅動優化算法 86.1風驅動優化算法的提出 86.2風驅動優化算法的原理 86.3風驅動優化算法的數學描述 86.4風驅動優化算法的實現步驟及流程 第87章宇宙大爆炸算法 87.1宇宙大爆炸算法的提出 87.2宇宙大爆炸算法的基本思想 87.3宇宙大爆炸算法的數學描述 87.4BBBC算法實現步驟及流程 第88章中心引力優化算法 88.1中心引力優化算法的提出 88.2中心引力優化算法的原理 88.3中心引力優化算法的數學描述 88.4中心引力優化算法的實現步驟 第89章引力搜索算法 89.1引力搜索算法的提出 89.2引力搜索算法的原理 89.3引力搜索算法的數學描述 89.4引力搜索算法的實現步驟及流程 第90章引力場算法 90.1引力場算法的提出 90.2行星和恆星的形成理論 90.3引力場算法的基本思想 90.4引力場算法的數學描述 90.5引力場算法的實現步驟及流程 第91章極值動力學優化算法 91.1極值動力學優化算法的提出 91.2BS生物演化模型 91.3極值動力學優化算法的原理 91.4極值動力學優化算法的描述 91.5極值動力學優化算法的實現步驟及流程 91.6極值動力學優化算法的特點 第92章擬態物理學優化算法 92.1擬態物理學優化算法的提出 92.2擬態物理學 92.3擬態物理學優化算法的基本思想 92.4擬態物理學優化算法的數學描述 92.5擬態物理學優化算法的實現步驟 第93章分子動理論優化算法 93.1分子動理論優化算法的提出 93.2分子動理論的相關知識 93.3分子動理論優化算法的原理 93.4分子動理論優化算法的數學描述 93.5分子動理論優化算法的實現步驟及流程 第94章類電磁機制算法 94.1類電磁機制算法的提出 94.2庫侖定律 94.3類電磁機制算法的基本思想 94.4類電磁機制算法的數學描述 94.5類電磁機制算法的實現步驟及流程 第95章熱傳遞搜索算法 95.1熱傳遞搜索算法的提出 95.2熱傳遞搜索算法的原理 95.3熱傳遞搜索算法的數學描述 94.4熱傳遞搜索算法的流程 第96章渦流搜索算法 96.1渦流搜索算法的提出 96.2渦流搜索算法的原理 96.3渦流搜索算法的數學描述 96.4渦流搜索算法的實現及流程 第97章閃電搜索算法 97.1閃電搜索算法的提出 97.2閃電搜索算法的原理 97.3閃電搜索算法的數學描述 97.4閃電搜索算法的實現步驟及流程 第98章光線優化算法 98.1光線優化算法的提出 98.2光線優化算法的原理 98.3光線優化算法的數學描述 98.4光線優化算法的流程 第99章化學反應優化算法 99.1化學反應優化算法的提出 99.2化學反應優化算法的原理 99.3化學反應優化算法的數學描述 99.4化學反應優化算法的實現步驟及流程 00章正弦餘弦算法 100.1正弦餘弦算法的提出 100.2正弦餘弦算法的原理 100.3正弦餘弦算法的數學描述 100.4正弦餘弦算法的偽代碼實現 01章陰陽對優化算法 101.1陰陽對優化算法的提出 101.2陰陽對優化算法的基本思想 101.3陰陽對優化算法的數學描述 101.4陰陽對優化算法的偽代碼實現 第六篇湧 現 計 算 02胞自動機的湧現計算 10胞自動機概念的提出 10胞自動機的結構與規則 102.胞自動機湧現計算的原理 03章Conway生命遊戲的湧現計算 103.1Conway生命遊戲的提出 103.2二維細胞自動機的結構和規則 103.3Conway生命遊戲的演化 103.4基於MATLAB的生命遊戲仿真設計 103.5基於MATLAB的生命遊戲仿真算法的實現步驟 04章螞蟻繫統覓食路徑的湧現計算 104.1螞蟻群體覓食行為的湧現現像 104.2螞蟻群體覓食行為模型的構建 104.3螞蟻主體覓食行為規則及模型參數 104.4基於Agent的螞蟻群體覓食行為的湧現計算 05章數字人工生命Autolife的湧現行為 105.1Autolife模型的提出 105.2Autolife模型的基本思想 105.3Autolife模型的規則描述 105.4不同環境下的人工生命群體動態行為 105.5組織的自創生與自修復 105.6Autolife模型的意義 06章黏菌的鐵路網絡湧現計算 106.1黏菌湧現計算的提出 106.2黏菌及其習性 106.3黏菌覓食的湧現行為 106.4黏菌交通網絡的湧現計算過程 106.5黏菌網絡的性能及路徑尋優模型 附錄A智能優化算法的理論基礎: 復雜適應繫統理論 參考文獻
    內容虛線

    內容簡介

    size="789x11"

    智能優化算法與湧現計算是多種前沿學科交叉融合的結晶。主要包括:模擬人腦思維、人體細胞、器官等的仿人智能優化算法;模擬群居動物覓食或繁殖行為的群智能優化算法;模擬人類社會進化的進化算法;模擬植物生長的仿生算法;模擬自然現像或規律的自然計算;模擬復雜適應繫統湧現行為的湧現計算等80餘種算法。本書可作為智能科學、計算機科學、信息科學、自動化、繫統科學、管理科學等相關領域的教師、研究生、科研人員的參考書。

    作者簡介

    李士勇李研林永茂編著 著

    size="43x26"

    李士勇教授(二級),哈爾濱工業大學控制科學與工程國家一級重點學科博士生導師,黑龍江省很好專家,中國自動化學會智能自動化專業委員會委員。1967年畢業於哈爾濱工業大學工業自動化專業,1983年獲哈爾濱工業大學自動控制專業碩士學位並留校任教。1992年4月至1993年10月公派赴日本千葉工業大學作為客座研究員從事模糊控制、神經網絡、智能控制方面的合作研究。近30多年來,一直從事模糊控制、智能控制、智能優化算法、智能制導、復雜適應繫統理論及其應用等方面的科研、教學和指導研究生工作。科研和教學成果共獲重量獎2項,省部級7項,在靠前外發表學術論文160餘篇,近60篇被SCI、EI檢索。作為作者出版專著及......

    精彩內容

        第5章人工代謝算法
         人工代謝算法是一種基於酶催化模擬生物體新陳代謝機理的仿生算法。代謝反應的核心是濃度的平衡,在酶對底物的催化效率達到優選且代謝反應實現平衡時,代謝繫統的性能指標處於很優狀態。如果將待優化的目標函數看作代謝反應速率,酶的催化過程則可視為對目標函數的優化過程。當反應實現平衡時,代謝速率取得穩態優選值,即目標函數取得優選值。本章簡要介紹人工代謝算法的原理、編碼、競爭算子、平衡算子、凋亡算子等代謝算子的描述及算法實現流程。
         5.1人工代謝算法的提出
         人工代謝算法(Artifi Metabolic Algorithm, AMA)是2009年由胡楊......

    摘要

    “智能”已經成為當代出現頻次越來越高的詞彙,這正是人類社會邁入智能時代的一個重要標志。智能正飛速地融入科學、工程、經濟、國防及人類社會生活的方方面面: 智能科學、智能材料、智能機器人、智能生產線、智能控制、智能預測、智能決策、智能制導、智能炸彈、智能手機、智能家電、智能家居、智能樓宇……智能水平的高低,在很大程度上已經成為衡量一個國家綜合國力、科技水平高低的重要標志。 在科學研究、工程設計、經濟管理、國防建設等領域存在著大量需要優化求解的復雜問題。采用傳統的優化方法通常需要給出待優化問題的精確數學模型,包括決策變量、約束條件和目標函數。傳統優化方法包括線性規劃、動態規劃、整數規劃和分支定界等運籌學中的經典算法,這些算法計算復雜,隻適用於小規模問題; 用構造型優化算法快速建立問題的解,一般優化效果差,難以滿足工程需要。總之,傳統的優化算法是以給出優化問題的精確數學模型為基礎的。然而,科學、......

    "




     
    網友評論  我們期待著您對此商品發表評論
     
    相關商品
    在線留言 商品價格為新臺幣
    關於我們 送貨時間 安全付款 會員登入 加入會員 我的帳戶 網站聯盟
    DVD 連續劇 Copyright © 2024, Digital 了得網 Co., Ltd.
    返回頂部