图书介绍

演化计算方法及应用pdf电子书版本下载

演化计算方法及应用
  • 窦全胜,陈姝颖著 著
  • 出版社: 北京:电子工业出版社
  • ISBN:9787121264825
  • 出版时间:2016
  • 标注页数:172页
  • 文件大小:52MB
  • 文件页数:182页
  • 主题词:算法设计-研究

PDF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]

下载说明

演化计算方法及应用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

图书目录

第1章 绪论 1

1.1 最优化问题 2

1.2 求解优化问题的数学方法 4

1.3 求解优化问题的演化计算方法 5

第2章 遗传算法 9

2.1 标准遗传算法 10

2.2 编码 12

2.2.1 二进制编码 12

2.2.2 值编码(Value Encoding) 12

2.2.3 互换编码(Permutation Encoding) 13

2.3 遗传算子 14

2.3.1 交叉 14

2.3.2 变异 15

2.3.3 选择 17

2.4 参数控制 18

2.5 模式定理和隐并行性定理 19

2.6 收缩映射原理 21

2.7 小结 24

第3章 进化规划 25

3.1 标准进化规划方法 26

3.2 进化策略 28

3.3 概率分析 29

3.4 群体启发进化规划 33

3.4.1 群体启发进化规划算法 33

3.4.2 PHEP算法验证 35

3.5 用群体启发进化规划求解高维优化问题 40

3.5.1 高维优化 40

3.5.2 实验结果 41

3.6 小结 44

第4章 粒子群优化 45

4.1 标准粒子群优化方法 47

4.2 二进制粒子群优化算法 49

4.3 参数设置 56

4.4 粒子轨迹的确定性分析 59

4.5 粒子的分布特征 62

4.6 粒子的聚度 63

4.7 模拟退火粒子群优化方法 66

4.7.1 模拟退火 67

4.7.2 模拟退火粒子群优化 68

4.8 有分工策略的粒子群优化方法 70

4.9 算法测试 73

4.10 动态优化 76

4.10.1 线性模型 76

4.10.2 环形模型 77

4.10.3 随机模型 77

4.10.4 动态优化仿真 78

4.11 小结 83

第5章 微分演化 85

5.1 微分演化方法描述 86

5.2 DE参数的设置 89

5.3 算法仿真 90

5.3.1 低维条件下的仿真结果 90

5.3.2 高维条件下的仿真结果 91

5.4 微分演化粒子群优化 92

5.5 用DE确定PSO的最佳参数 95

5.6 小结 98

第6章 文化算法 99

6.1 约束的处理 101

6.1.1 可行解和不可行解 101

6.1.2 可行个体评价函数evalf的设计 102

6.1.3 不可行个体的处理 103

6.2 文化算法简介 108

6.2.1 文化算法框架 108

6.2.2 信仰空间的约束表达和信仰空间的更新 109

6.2.3 群体空间的演化 113

6.3 算法测试 113

6.4 小结 114

第7章 蚁群优化 116

7.1 蚁群优化算法 117

7.2 蚁群聚类 120

7.3 小结 123

第8章 应用举例 125

8.1 属性约简 126

8.1.1 信息系统与属性约简 126

8.1.2 常用的属性约简方法 126

8.1.3 基于遗传算法的属性约简 129

8.2 电力负荷关联规则提取 132

8.2.1 问题概述 132

8.2.2 关联规则 133

8.2.3 频繁项集挖掘 136

8.2.4 基于DPSO方法负荷规则萃取 138

8.3 神经网络训练 142

8.3.1 神经元模型 143

8.3.2 神经网络 144

8.3.3 神经网络的学习 145

8.3.4 前向神经网络 146

8.4 小结 149

附录A 无约束优化问题 150

附录B 约束优化问题 157

参考文献 162

精品推荐