群体智能算法改进及其应用pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

群体智能算法改进及其应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论 1

1.1 研究背景 1

1.2 研究目的 3

1.3 研究意义 6

1.4 本书章节安排 9

参考文献 10

第2章 国内外研究现状 12

2.1 群体智能优化算法发展现状 12

2.2 聚类技术在数据挖掘领域的研究现状 16

2.3 多目标优化方法及其在供应链优化领域的应用现状 18

2.4 本章小结 20

参考文献 21

第3章 群体智能相关理论研究 26

3.1 智能优化算法 26

3.2 聚类算法 28

3.3 复杂网络 29

3.4 朴素贝叶斯分类 30

3.5 本章小结 31

参考文献 31

第4章 基于人工蜂群优化的密度峰值聚类 34

4.1 引言 34

4.2 密度峰值聚类算法的改进 35

4.2.1 计算数据点的密度及生成决策图 37

4.2.2 执行初始聚类 38

4.2.3 识别类簇间数据点 39

4.2.4 初选类簇间数据点的类簇标号 40

4.2.5 判定类簇间数据点的类簇标号 41

4.2.6 完成聚类 44

4.3 实验结果 44

4.3.1 类簇间数据点的自动识别 44

4.3.2 任意形状数据集的类簇中心点和类簇数目的自动识别 48

4.3.3 不同形状和大小的数据集的有效聚合 49

4.3.4 分类效果评价 51

4.4 结果分析 52

4.5 本章小结 54

参考文献 54

第5章 基于人工蜂群优化的密度峰值聚类算法的应用 56

5.1 引言 56

5.2 数据来源及预处理 57

5.3 基于人工蜂群的密度峰值聚类算法 59

5.4 聚类结果分析 60

5.5 本章小结 61

参考文献 62

第6章 基于复杂网路和朴素贝叶斯分类的人工蜂群算法 63

6.1 引言 63

6.2 模型建立 66

6.2.1 问题描述 66

6.2.2 解的表达 69

6.3 基于复杂网络的人工蜂群算法 71

6.4 基于复杂网络和朴素贝叶斯分类的人工蜂群算法的实现 73

6.5 推土机制造企业的供应链网络优化 74

6.5.1 全局最优解集的搜索能力 80

6.5.2 搜索全局最优解集的速度 89

6.6 算法结果分析 91

6.7 本章小结 93

参考文献 93