扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
基于混沌蚂蚁的群集协同求解算法及应用 版权信息
- ISBN：9787312033612
- 条形码：9787312033612 ; 978-7-312-03361-2
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
基于混沌蚂蚁的群集协同求解算法及应用 本书特色
葛方振著的《基于混沌蚂蚁的群集协同求解算法 及应用/博士论丛》是研究群集智能的学术专著。《基 于混沌蚂蚁的群集协同求解算法及应用/博士论丛》全 书共分8章，第1章阐述了群集智能研究现状，提出了 本书研究的科学问题；第2章介绍了本书的相关理论基 础；第3～4章从微观层个体之间信息交互方式的角度 ，讨论了组合优化和高维函数优化问题的群集协同求 解方法；第5～7章从微观层个体之间相互作用与宏观 层群集功能的关系角度，基于蚂蚁混沌行为研究了复 杂分布式系统的协同优化方法、分布式协调算法和动 态分布式约束优化方法，并给出仿真验证；第8章对本 书总结，并给出群集智能领域的新问题。本书适合正 在或即将从事复杂系统、人工智能研究的学者参考， 也适合计算智能相关领域的本科生、硕士生、博士生 、教师作为教材使用。
基于混沌蚂蚁的群集协同求解算法及应用 内容简介
葛方振著的《基于混沌蚂蚁的群集协同求解算法及应用/博士论丛》从微观层内个体、微观层个体与宏观层群集之间的联系两个角度分析蚂蚁个体混沌行为与蚁群的自组织行为之间的关系，围绕如何构建蚂蚁群集协同求解算法进行研究，形成组合优化问题、高维函数优化问题、复杂分布式协同优化问题、动态分布式约束优化问题的协同求解方法，以深化和拓宽群集智能的研究。
基于混沌蚂蚁的群集协同求解算法及应用 目录
前言
第1章绪论
1.1引言
1.2群集智能研究现状及评述
1.2.1群集智能系统的建模
1.2.2群集智能系统的动力学特性研究
1.2.3利用分布式算法求解群集智能系统的优化问题
1.2.4群集智能优化算法及其应用
1.2.5研究现状评述
1.3研究意义
1.4主要研究内容及贡献
1.5结构安排
第2章相关理论
2.1引言
2.2群集智能的科学基础
2.2.1复杂系统理论
2.2.2自组织理论
2.3混沌理论
2.4*优化理论
2.5蚂蚁混沌行为和蚁群自组织行为
2.6混沌蚂蚁群算法及其协同机制
2.6.1混沌蚂蚁群算法
2.6.2混沌蚂蚁群算法的协同机制
2.7本章小结
第3章混沌蚂蚁群算法求解组合优化问题
3.1引言
3.2求解旅行商问题的集中式算法
3.2.1旅行商问题的描述
3.2.2旅行商问题的研究现状
3.2.3求解旅行商问题的方案
3.2.4实验结果与分析
3.3求解传感器网络任务分配的分布式算法
3.3.1任务分配问题
3.3.2分布式任务分配问题描述
3.3.3分布式任务分配算法
3.3.4仿真实验
3.4本章小结
第4章扰动混沌蚂蚁群算法求解高维函数优化问题
4.1引言
4.2扰动混沌蚂蚁群算法dcas
4.2.1蚂蚁的*优位置更新方法
4.2.2邻居选择
4.2.3自适应扰动
4.2.4算法过程
4.2.5收敛性分析
4.3dcas算法求解高维函数优化问题
4.3.1实验环境设置
4.3.2自适应扰动常数a分析
4.3.3dcas算法动力学过程
4.3.4dcas与其他算法的比较
4.4本章小结
第5章基于混沌蚂蚁的分布式协同优化方法
5.1引言
5.2复杂分布式系统协同优化模型
5.2.1自主agent的动力学表征
5.2.2复杂分布式系统协同优化模型构建
5.3复杂分布式系统协同优化算法
5.3.1cas算法的协同优化机理
5.3.2基于cas的复杂分布式系统协同优化算法
5.3.3算法过程及复杂度
5.4基于位置的任务分配仿真验证
5.4.1agent的位置感知方法
5.4.2任务分配效果度量
5.4.3任务表示
5.4.4仿真结果分析
5.5本章小结
第6章实现群集协同的分布式协调算法
6.1引言
6.2群集的特性与蚁群的共同点
6.3分布式协调方案描述
6.4分布式协调算法ca—dca
6.4.1准备工作及符号解释
6.4.2混沌行为形式化
6.4.3自组织行为形式化
6.4.4算法描述
6.5算法收敛性分析
6.6仿真实验
6.6.1解质量分析
6.6.2计算代价分析
6.7本章小结
第7章分布式协调算法求解动态分布式约束优化问题
7.1引言
7.2动态分布式约束优化问题ddcop的描述
7.3相关研究工作
7.3.1已有dcop算法
7.3.2基于蚂蚁行为的ddcop算法
7.4算法方案
7.4.1ca—ddcop算法构建
7.4.2ca—ddcop算法过程
7.5mrmc信道分配问题
7.5.1mcmr—ca问题描述
7.5.2应用ca—ddcop算法
7.6性能评估
7.6.1仿真环境
7.6.2性能评价参数与结果分析
7.7本章小结
第8章总结与展望
8.1全书总结
8.2未来研究展望
参考文献
第1章绪论
1.1引言
1.2群集智能研究现状及评述
1.2.1群集智能系统的建模
1.2.2群集智能系统的动力学特性研究
1.2.3利用分布式算法求解群集智能系统的优化问题
1.2.4群集智能优化算法及其应用
1.2.5研究现状评述
1.3研究意义
1.4主要研究内容及贡献
1.5结构安排
第2章相关理论
2.1引言
2.2群集智能的科学基础
2.2.1复杂系统理论
2.2.2自组织理论
2.3混沌理论
2.4*优化理论
2.5蚂蚁混沌行为和蚁群自组织行为
2.6混沌蚂蚁群算法及其协同机制
2.6.1混沌蚂蚁群算法
2.6.2混沌蚂蚁群算法的协同机制
2.7本章小结
第3章混沌蚂蚁群算法求解组合优化问题
3.1引言
3.2求解旅行商问题的集中式算法
3.2.1旅行商问题的描述
3.2.2旅行商问题的研究现状
3.2.3求解旅行商问题的方案
3.2.4实验结果与分析
3.3求解传感器网络任务分配的分布式算法
3.3.1任务分配问题
3.3.2分布式任务分配问题描述
3.3.3分布式任务分配算法
3.3.4仿真实验
3.4本章小结
第4章扰动混沌蚂蚁群算法求解高维函数优化问题
4.1引言
4.2扰动混沌蚂蚁群算法dcas
4.2.1蚂蚁的*优位置更新方法
4.2.2邻居选择
4.2.3自适应扰动
4.2.4算法过程
4.2.5收敛性分析
4.3dcas算法求解高维函数优化问题
4.3.1实验环境设置
4.3.2自适应扰动常数a分析
4.3.3dcas算法动力学过程
4.3.4dcas与其他算法的比较
4.4本章小结
第5章基于混沌蚂蚁的分布式协同优化方法
5.1引言
5.2复杂分布式系统协同优化模型
5.2.1自主agent的动力学表征
5.2.2复杂分布式系统协同优化模型构建
5.3复杂分布式系统协同优化算法
5.3.1cas算法的协同优化机理
5.3.2基于cas的复杂分布式系统协同优化算法
5.3.3算法过程及复杂度
5.4基于位置的任务分配仿真验证
5.4.1agent的位置感知方法
5.4.2任务分配效果度量
5.4.3任务表示
5.4.4仿真结果分析
5.5本章小结
第6章实现群集协同的分布式协调算法
6.1引言
6.2群集的特性与蚁群的共同点
6.3分布式协调方案描述
6.4分布式协调算法ca—dca
6.4.1准备工作及符号解释
6.4.2混沌行为形式化
6.4.3自组织行为形式化
6.4.4算法描述
6.5算法收敛性分析
6.6仿真实验
6.6.1解质量分析
6.6.2计算代价分析
6.7本章小结
第7章分布式协调算法求解动态分布式约束优化问题
7.1引言
7.2动态分布式约束优化问题ddcop的描述
7.3相关研究工作
7.3.1已有dcop算法
7.3.2基于蚂蚁行为的ddcop算法
7.4算法方案
7.4.1ca—ddcop算法构建
7.4.2ca—ddcop算法过程
7.5mrmc信道分配问题
7.5.1mcmr—ca问题描述
7.5.2应用ca—ddcop算法
7.6性能评估
7.6.1仿真环境
7.6.2性能评价参数与结果分析
7.7本章小结
第8章总结与展望
8.1全书总结
8.2未来研究展望
参考文献
展开全部
书友推荐
- >
李白与唐代文化
李白与唐代文化
¥9.9¥29.8 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.3¥10.0 - >
中国人在乌苏里边疆区:历史与人类学概述
中国人在乌苏里边疆区:历史与人类学概述
¥24.0¥48.0 - >
月亮与六便士
月亮与六便士
¥13.4¥42.0 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥15.9¥49.8 - >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥40.6¥58.0 - >
【精装绘本】画给孩子的中国神话
【精装绘本】画给孩子的中国神话
¥17.6¥55.0 - >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥16.0¥45.8
本类畅销
-
深度学习自然语言处理实战
¥25.8¥59.9 -
过程控制
¥11.9¥35 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6
