这些资源你可能感兴趣
本书介绍8种智能优化算法的来源、原理、算法流程和关键参数说明，并给出MATLAB仿真实例。这些算法在众多领域得到了成功应用。
编辑推荐
《智能优化算法及其MATLAB实例》读者对象：电子、通信、计算机、自动化、机器人、经济学和管理学等学科以及信号处理、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领域，从事智能优化算法的理论研究和工程应用的广大科研人员以及高等院校高年级本科生、研究生。
作者简介
包子阳：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。2009年8月至今工作于北京无线电测量研究所，从事雷达电气总体、信号处理和算法研究等工作。在国际雷达会议、《系统工程与电子技术》、《现代雷达》、《电子技术应用》、全国天线年会等发表多篇基于智能优化算法的学术论文。
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6
参考文献6
第2章遗传算法9
2.1遗传算法简介9
2.2遗传算法理论10
2.2.1遗传算法的生物学基础10
2.2.2遗传算法的基本概念11
2.2.3标准遗传算法14
2.2.4遗传算法的特点14
2.2.5遗传算法的改进方向15
2.3遗传算法流程16
2.4关键参数说明17
2.5MATLAB仿真实例18
参考文献30
第3章差分进化算法31
3.1引言31
3.2差分进化算法理论32
3.2.1差分进化算法原理32
3.2.2差分进化算法的特点32
3.3差分进化算法种类33
3.3.1基本差分进化算法33
3.3.2差分进化算法的其他形式35
3.3.3改进的差分进化算法35
3.4差分进化算法流程36
3.5关键参数的说明37
3.6MATLAB仿真实例39
参考文献50
第4章免疫算法53
4.1引言53
4.2免疫算法理论54
4.2.1生物免疫系统54
4.2.2免疫算法概念56
4.2.3免疫算法的特点57
4.2.4免疫算法算子57
4.3免疫算法种类61
4.3.1克隆选择算法61
4.3.2免疫遗传算法61
4.3.3反向选择算法62
4.3.4疫苗免疫算法62
4.4免疫算法流程62
4.5关键参数说明64
4.6MATLAB仿真实例65
参考文献78
第5章蚁群算法81
5.1引言81
5.2蚁群算法理论82
5.2.1真实蚁群的觅食过程82
5.2.2人工蚁群的优化过程84
5.2.3真实蚂蚁与人工蚂蚁的异同84
5.2.4蚁群算法的特点85
5.3基本蚁群算法及其流程86
5.4改进的蚁群算法88
5.4.1精英蚂蚁系统89
5.4.2很大最小蚂蚁系统89
5.4.3基于排序的蚁群算法89
5.4.4自适应蚁群算法90
5.5关键参数说明91
5.6MATLAB仿真实例93
参考文献101
第6章粒子群算法103
6.1引言103
6.2粒子群算法理论104
6.2.1粒子群算法描述104
6.2.2粒子群算法建模105
6.2.3粒子群算法的特点105
6.3粒子群算法种类106
6.3.1基本粒子群算法106
6.3.2标准粒子群算法106
6.3.3压缩因子粒子群算法107
6.3.4离散粒子群算法108
6.4粒子群算法流程108
6.5关键参数说明109
6.6MATLAB仿真实例112
参考文献122
第7章模拟退火算法125
7.1模拟退火算法简介125
7.2模拟退火算法理论126
7.2.1物理退火过程126
7.2.2模拟退火原理127
7.2.3模拟退火算法思想128
7.2.4模拟退火算法的特点128
7.2.5模拟退火算法的改进方向129
7.3模拟退火算法流程130
7.4关键参数说明131
7.5MATLAB仿真实例132
参考文献143
第8章禁忌搜索算法145
8.1禁忌搜索算法简介145
8.2禁忌搜索算法理论146
8.2.1局部邻域搜索146
8.2.2禁忌搜索147
8.2.3禁忌搜索算法的特点147
8.2.4禁忌搜索算法的改进方向148
8.3禁忌搜索算法流程148
8.4关键参数说明150
8.5MATLAB仿真实例153
参考文献164
第9章神经网络算法165
9.1神经网络算法简介165
9.2神经网络算法理论166
9.2.1人工神经元模型166
9.2.2常用激活函数167
9.2.3神经网络模型168
9.2.4神经网络工作方式168
9.2.5神经网络算法的特点169
9.3BP神经网络算法170
9.4神经网络算法实现173
9.4.1数据预处理173
9.4.2神经网络实现函数174
9.5MATLAB仿真实例177
参考文献185
附录AMATLAB常用命令及函数187
本书评论