蚁群算法原理及其应用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]

蚁群算法原理及其应用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

目录 1

第1章 绪论 1

1.1 引言 1

1.2　蚂蚁的生物学特征 2

1.3　蚁群算法的思想起源 8

1.4　蚁群算法的研究进展 11

1.5　本书的体系结构 15

1.6　本章小结 18

参考文献 18

第2章　基本蚁群算法原理及其复杂度分析 24

2.1 引言 24

2.2　基本蚁群算法的原理 24

2.3　基本蚁群算法的系统学特征 26

2.4　基本蚁群算法的数学模型 29

2.5　基本蚁群算法的具体实现 36

2.6　基本蚁群算法的复杂度分析 39

2.7　基本蚁群算法的性能评价指标 42

2.8　本章小结 42

参考文献 43

第3章　蚁群算法的收敛性研究 45

3.1 引言 45

3.2　图搜索蚂蚁系统（GBAS）的收敛性研究 45

3.3　一类改进蚁群算法的收敛性证明 59

3.4 GBAS/tdev和GBAS/tdlb的确定性收敛证明 65

3.5　基本蚁群算法的A.S．收敛性研究 72

3.6　一类分布式蚂蚁路由算法的收敛性研究 76

3.7　基于分支路由和Wiener过程的蚁群算法收敛性证明 81

3.8　一种简单蚁群算法及其收敛性分析 84

3.9　遗传-蚁群算法的Markov收敛性分析 90

3.10　一类广义蚁群算法（GACA）的收敛性分析 93

3.11　本章小结 97

参考文献 98

第4章　蚁群算法的实验分析及参数选择原则 100

4.1　引言 100

4.2　蚁群行为和参数对算法性能影响的实验分析 100

4.3　蚁群算法参数最优组合的“三步走”方法 116

4.4　本章小结 117

参考文献 117

第5章　离散域蚁群算法的改进研究 119

5.1　引言 119

5.2　自适应蚁群算法 119

5.3　基于去交叉局部优化策略的蚁群算法 125

5.4　基于信息素扩散的蚁群算法 130

5.5　多态蚁群算法 135

5.6　基于模式学习的小窗口蚁群算法 139

5.7　基于混合行为的蚁群算法 144

5.8　带聚类处理的蚁群算法 148

5.9　基于云模型理论的蚁群算法 153

5.10　具有感觉和知觉特征的蚁群算法 157

5.11　具有随机扰动特性的蚁群算法 166

5.12　基于信息熵的改进蚁群算法 169

5.13　本章小结 172

参考文献 172

第6章　连续域蚁群算法的改进研究 175

6.1 引言 175

6.2　基于网格划分策略的连续域蚁群算法 176

6.3　基于信息量分布函数的连续域蚁群算法 179

6.4　连续域优化问题的自适应蚁群算法 183

6.5　基于交叉变异操作的连续域蚁群算法 187

6.6　嵌入确定性搜索的连续域蚁群算法 190

6.7　基于密集非递阶的连续交互式蚁群算法（CIACA） 194

6.8　多目标优化问题的连续域蚁群算法 201

6.9　复杂多阶段连续决策问题的动态窗口蚁群算法 205

6.10　本章小结 209

参考文献 209

第7章　蚁群算法的典型应用 212

7.1　引言 212

7.2　车间作业调度问题 212

7.3　网络路由问题 225

7.4　车辆路径问题 238

7.5　机器人领域 249

7.6　电力系统 258

7.7　故障诊断 268

7.8　控制参数优化 272

7.9　系统辨识 282

7.10　聚类分析 290

7.11　数据挖掘 297

7.12　图像处理 302

7.13　航迹规划 306

7.14　空战决策 310

7.15　岩土工程 315

7.16　化学工业 319

7.17　生命科学 323

7.18　布局优化 327

7.19　本章小结 331

参考文献 332

第8章　蚁群算法的硬件实现 343

8.1　引言 343

8.2　仿生硬件概述 343

8.3　基于FPGA的蚁群算法硬件实现 346

8.4　基于蚁群算法和遗传算法动态融合的软硬件划分 360

8.5　本章小结 371

参考文献 372

第9章　蚁群算法同其他仿生优化算法的比较与融合 374

9.1　引言 374

9.2　其他几种仿生优化算法的基本原理 374

9.3　蚁群算法与其他仿生优化算法的异同比较 382

9.4　蚁群算法与遗传算法的融合 385

9.5　蚁群算法与人工神经网络的融合 390

9.6　蚁群算法与微粒群算法的融合 398

9.7　蚁群算法与人工免疫算法的融合 402

9.8　本章小结 410

参考文献 410

10.2　蚁群算法的模型改进 414

10.1　引言 414

第10章　展望 414

10.3　蚁群算法的理论分析 415

10.4　蚁群算法的并行实现 416

10.5　蚁群算法的应用领域 417

10.6　蚁群算法的硬件实现 418

10.7　蚁群算法的智能融合 418

10.8　本章小结 419

参考文献 419

附录A　基本蚁群算法程序 421

A.1 C语言版 421

A.2 Matlab语言版 426

A.3 Visual Basic语言版 432

附录B　相关网站 439

附录C　基本术语（中英文对照）及缩略语 441

附录D　（词一首）鹧鸪天·蚁群算法 447