中图网

>

计算机理论

智能优化算法与涌现计算(第2版)

作者：李士勇

出版社：清华大学出版社出版时间：2022-08-01

开本： 16开 页数： 852

本类榜单：计算机/网络销量榜

预估到手价¥127.6(6.8折)?

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格（不含优惠券部分），仅供参考，未必等同于实际到手价。

中图价:¥141.8(7.5折)定价 ~~¥189.0~~ 登录后可看到会员价

促销活动:

年中庆第一波|全场百万图书折上9折

加入购物车收藏

运费6元，全场折上9折期间 满39元包邮

?快递不能达地区使用邮政小包，运费14元起

云南、广西、海南、新疆、青海、西藏六省，部分地区快递不可达

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

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

¥11.3¥45
>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥28.2¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥55.2¥69
>
第一行代码Android

第一行代码Android

¥76.2¥99
>
C Primer Plus 第6版中文版

C Primer Plus 第6版中文版

¥75.6¥108
>
深度学习

深度学习

¥82.3¥168
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码

MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码

¥43.5¥79

商品详情
商品评论(0条)

中图价:¥141.8 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

微信公众号

智能优化算法与涌现计算(第2版) 版权信息

ISBN：9787302603993
条形码：9787302603993 ; 978-7-302-60399-3
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机理论

智能优化算法与涌现计算(第2版) 本书特色

本书全面收集了国内外已提出的原创的智能优化算法和涌现计算150种。每种算法从算法提出、优化原理、数学描述、实现步骤及算法流程等方面加以介绍。全书视野开阔，取材全面而新颖，逻辑严谨，系统性强，撰写上由浅入深，深入浅出，启迪思维。本书介绍的百余种智能优化算法，涉及从地球上的万物之灵——智能水平*高的人，到介于动物和真菌之间的低级黏菌生物；从海洋中世界上*大的哺乳动物鲸鱼到海洋微小无脊椎动物磷虾；从凶猛的野生群居动物老虎、狮子到幼小的蚂蚁、蜜蜂；从自然界的风、雨、云、雷电现象到地球上的水循环、食物链……内容涵盖面之广，可以说陆海空无所不及：从陆地到海洋，从水中到空中，从有生命的动植物、微生物到无生命的自然现象，从物理化学数学、非线性科学到复杂适应系统等。张大鹏加拿大皇家科学院院士/加拿大工程院院士|IEEE Fellow|AIPR Fellow|香港中文大学(深圳)校长讲座教授本书介绍了近40年来国内外原创的智能优化算法和涌现计算的研究成果，内容全面而新颖。对近160多种优化算法进行梳理分类，结构组织设计合理。每种算法介绍提出背景、设计灵感、优化原理、数学描述、算法实现等，系统性好。撰写时由浅入深、深入浅出、启迪思维，可读性好。因此，本书对于智能优化领域的教学和科研人员极具参考价值。邓志东清华大学博士生导师|教授|人工智能研究院视觉智能研究中心主任智能优化算法正在成为对缺乏精确数学模型的复杂问题优化的强有力的工具，已成为国内外研究的前沿领域。本书以宏大篇幅介绍国内外该领域的原创性研究成果，具有立意视野独特、取材宽广、内容新颖丰富、结构组织严谨等特点；撰写上深入浅出，宏微有序，妙趣充溢，引人思考。我深信本书的出版对于推动智能优化领域的教学、科研及其应用必将发挥积极促进作用。刘劼 IEEE Fellow|ACM杰出科学家|哈尔滨工业大学人工智能研究院院长本书系统介绍了近160种智能优化算法，取材全面，内容新颖，分类科学，系统性强, 在第1版的基础上有大幅度更新和扩充。与国内外同类图书相比，从算法取材之广、数量之多、内容之新、篇幅之大的角度看，本书填补了智能优化算法大全的空白。在人工智能日新月异发展的时代，本书将为该领域广大教学、科研人员扩大视野、开阔思路、启发思维、激发创新灵感起到引领作用。朱全民英国西英格大学教授|《国际建模、辨识和控制学报》创始人及主编本书立意新颖，富有创新性：提出基于复杂适应系统理论适应性造就复杂性的观点研究智能优化算法，能深刻认识其本质特征，并易于理解计算复杂性；把智能优化算法和涌现计算分别视为对复杂系统优化求解的数值化方法和模拟化方法，对于正确认识它们的目标、区别与联系具有重要意义。本书可作为研究和应用开发智能优化算法的工具书，极具参考价值。左兴权北京邮电大学计算机学院博士生导师李士勇教授长期从事自动控制、人工智能、模糊逻辑、神经网络、量子信息、复杂系统等新兴学科的交叉研究，在模糊控制、智能控制、智能优化、智能制导、复杂系统方面出版了多部教材和专著。上述多学科交叉的研究积累正是撰写本书的深厚底蕴。据我所知，这是目前国内外论述智能优化算法种类多、篇幅大、内容新颖的一部优秀著作。本书在第1版的基础上增加了53种算法，涉及的算法总数达159种，并进行梳理分类，结构组织设计合理。汇集了近40年来国内外原创的智能优化算法和涌现计算的研究成果，内容全面而新颖。

智能优化算法与涌现计算(第2版) 内容简介

智能优化正在成为人工智能、计算机科学、信息科学、生物信息学、仿生学、自然科学诸多领域交叉融合研究的前沿学科，它为解决许多领域中缺乏准确数学模型的复杂系统优化问题提供了强有力的工具。
本书将第1版的106种原创的智能优化算法与涌现计算增加到159种，全面地反映该领域创新性的研究成果，堪称国内优选的智能优化算法大全。全书共六篇：**篇仿人智能优化算法（21种）；第二篇进化算法（12种）；第三篇群智能优化算法（70种）；第四篇仿植物生长算法（11种）；第五篇仿自然优化算法（40种）；第六篇涌现计算（5种）。本书取材广泛、内容新颖、结构严谨、系统性强、由浅入深、逻辑严密、辩证分析，旨在开阔读者视野，启迪创新思维，激励科研人员、研究生等在生生不息、丰富多彩的大千世界中捕捉更多的创新灵感。
本书可作为高等院校智能科学、人工智能、人工生命、自动化科学、计算机科学、信息科学、系统科学、管理科学等相关专业教学参考书，也可供高校教师、研究生、科研人员及工程技术人员学习参考。

智能优化算法与涌现计算(第2版) 目录

目录 **篇仿人智能优化算法第1章模糊逻辑算法 1.1模糊集合及其表示 1.2模糊集合的运算及其性质 1.3模糊关系与模糊矩阵 1.4模糊推理规则 1.5模糊系统的万能逼近特性第2章神经网络算法 2.1神经细胞结构与功能 2.2人工神经元的基本特性 2.3人工神经网络及其特点 2.4前向神经网络的结构、训练及学习 2.5神经网络的学习规则 2.6前向网络误差反向传播学习算法及其逼近特性第3章免疫算法 3.1免疫系统的基本概念 3.2免疫系统的组织结构 3.3免疫系统的免疫机制 3.4免疫系统的学习及优化机理 3.5免疫算法及克隆选择算法的实现步骤第4章内分泌算法 4.1内分泌算法的提出 4.2内分泌与神经、免疫系统之间的关系 4.3生物内分泌系统 4.4内分泌激素调节规律的描述 4.5人工内分泌系统内分泌激素的调节机制 4.6基于内分泌调节机制的行为自组织算法的实现第5章人工代谢算法 5.1人工代谢算法的提出 5.2人工代谢算法的原理 5.3人工代谢算法的描述 5.4人工代谢算法的实现流程第6章膜计算 6.1膜计算的提出 6.2细胞膜的结构、模型及功能 6.3标准膜计算的原理 6.4标准膜计算的描述 6.5膜计算的过程及实现步骤第7章禁忌搜索算法 7.1禁忌搜索算法的提出 7.2组合优化中的邻域概念 7.3局部搜索算法 7.4禁忌搜索算法 7.5禁忌搜索算法的主要操作及参数第8章和声搜索算法 8.1和声搜索算法的提出 8.2和声搜索算法的原理及结构 8.3和声搜索算法的主要步骤及流程第9章思维进化算法 9.1思维进化算法的提出 9.2思维进化算法的基本思想 9.3思维进化算法的描述 9.4思维进化算法的实现步骤及流程第10章社会进化算法 10.1社会进化算法的提出 10.2社会进化算法的基本思想 10.3多智能体社会进化系统 10.4社会进化算法的描述 10.5社会进化算法的实现步骤第11章人口迁移算法 11.1人口迁移算法的提出 11.2人口迁移算法的原理 11.3人口迁移算法的描述 11.4人口迁移算法的实现步骤第12章标杆学习算法 12.1标杆学习算法的提出 12.2标杆管理的基本思想 12.3标杆学习算法的基本原理 12.4标杆学习算法的数学描述 12.5标杆学习算法的实现流程第13章瞭望算法 13.1瞭望算法的提出 13.2瞭望算法的基本原理 13.3瞭望算法的数学描述 13.4求解全局优化问题的瞭望算法的实现第14章视觉认知优化算法 14.1视觉认知优化算法的提出 14.2视觉认知优化算法的原理 14.3视觉认知优化算法的描述与步骤 14.4算法的收敛性证明 14.5视觉认知优化算法的实现举例 14.6基于视觉认知的可视化算法第15章头脑风暴优化算法 15.1头脑风暴优化算法的提出 15.2头脑风暴优化算法的基本思想 15.3头脑风暴过程的描述 15.4头脑风暴优化算法的描述及实现步骤 15.5基于讨论机制的头脑风暴优化算法第16章随机聚焦搜索优化算法 16.1随机聚焦搜索优化算法的提出 16.2随机聚焦搜索优化算法的原理 16.3随机聚焦搜索优化算法的描述 16.4随机聚焦搜索算法的基本步骤 16.5基于随机聚焦搜索算法的冲压成形工艺优化第17章教学优化算法 17.1教学优化算法的提出 17.2教学优化算法的原理 17.3教学优化算法的数学描述 17.4教学优化算法的实现步骤第18章帝国竞争算法 18.1帝国竞争算法的提出 18.2帝国竞争算法的原理 18.3帝国竞争算法的数学描述 18.4帝国竞争算法的实现步骤及流程第19章世界杯竞赛算法 19.1世界杯竞赛算法的提出 19.2世界杯竞赛算法的描述 19.3世界杯竞赛算法的实现流程第20章排球超级联赛算法 20.1排球超级联赛算法的提出 20.2排球超级联赛算法的优化原理 20.3排球超级联赛算法的数学描述 20.4排球超级联赛算法的实现步骤第21章集体决策优化算法 21.1集体决策优化算法的提出 21.2集体决策优化的基本思想 21.3集体决策优化算法的数学描述 21.4集体决策优化算法的实现第二篇进化算法第22章遗传算法 22.1遗传算法的提出 22.2遗传算法的优化原理 22.3生物的遗传及遗传算法的基本概念 22.4遗传算法的基本操作 22.5遗传算法的求解步骤 22.6原对偶遗传算法第23章遗传编程 23.1遗传编程的提出 23.2遗传编程的原理及基本操作 23.3遗传编程算法的设计步骤及流程 23.4遗传编程算法的本质属性第24章进化规划 24.1进化规划的提出 24.2进化规划的原理及基本操作 24.3进化规划的实现步骤及流程第25章进化策略 25.1进化策略的提出 25.2进化策略的基本原理 25.3进化策略的基本操作 25.4进化策略的实现步骤及流程第26章分布估计算法 26.1分布估计算法的提出 26.2分布估计算法的基本原理 26.3分布估计算法的描述 26.4分布估计算法的基本步骤及流程第27章差分进化算法 27.1差分进化算法的提出 27.2差分进化算法的原理 27.3差分进化算法的基本操作 27.4差分进化算法的实现步骤及流程 27.5差分进化算法的扩展形式第28章自组织迁徙算法 28.1自组织迁徙算法的提出 28.2自组织迁徙算法的基本思想 28.3自组织迁徙算法的数学描述 28.4自组织迁徙算法的实现第29章回溯搜索优化算法 29.1回溯搜索优化算法的提出 29.2回溯搜索优化算法的优化原理 29.3回溯搜索优化算法的数学描述 29.4回溯搜索优化算法的实现第30章DNA计算 30.1DNA计算的提出 30.2DNA计算的生物学基础 30.3DNA计算的基本原理及主要步骤 30.4DNA计算的基本操作 30.5DNA计算的编码问题 30.6DNA计算系统的原型第31章基因表达式编程算法 31.1基因表达式编程算法的提出 31.2基因表达式编程算法的原理 31.3基因表达式编程的基本概念 31.4GEP算法的遗传操作 31.5基本的GEP算法流程第32章Memetic算法 32.1Memetic算法的提出 32.2Memetic算法的原理 32.3Memetic算法的描述 32.4Memetic算法的流程 32.5Memetic算法的特点及其意义第33章文化算法 33.1文化算法的提出 33.2文化算法的基本结构与原理 33.3文化算法求解约束优化问题的描述与设计 33.4基本文化算法的实现步骤及流程第三篇群智能优化算法第34章蚁群优化算法 34.1蚁群优化算法的提出 34.2蚂蚁的习性及觅食行为 34.3蚁群觅食策略的优化原理 34.4蚁群优化算法的原型——蚂蚁系统模型的描述 34.5基本蚁群优化算法的流程第35章蚁狮优化算法 35.1蚁狮优化算法的提出 35.2蚁狮的狩猎行为 35.3蚁狮优化算法的原理 35.4蚁狮优化算法的数学描述 35.5蚁狮优化算法的实现第36章粒子群优化算法 36.1粒子群优化算法的提出 36.2粒子群优化算法的基本原理 36.3粒子群优化算法的描述 36.4粒子群优化算法的实现步骤及流程 36.5粒子群优化算法的特点及其改进第37章人工蜂群算法 37.1人工蜂群算法的提出 37.2人工蜂群算法的基本原理 37.3人工蜂群算法的数学描述 37.4人工蜂群算法的实现步骤与流程第38章蜜蜂交配优化算法 38.1蜜蜂交配优化算法的提出 38.2蜂群竞争繁殖过程的优化机理 38.3蜜蜂交配优化算法的数学描述 38.4蜜蜂交配优化算法的实现步骤及流程第39章萤火虫群优化算法 39.1萤火虫群优化算法的提出 39.2萤火虫闪光的特点及功能 39.3萤火虫群优化算法的数学描述 39.4萤火虫群优化算法的实现步骤及流程第40章萤火虫算法 40.1萤火虫算法的提出 40.2萤火虫算法的基本思想 40.3萤火虫算法的数学描述 40.4萤火虫算法的实现步骤及流程第41章果蝇优化算法 41.1果蝇优化算法的提出 41.2果蝇的生物价值及觅食行为 41.3果蝇优化算法的基本原理 41.4果蝇优化算法的数学描述 41.5果蝇优化算法的实现步骤及流程第42章蝴蝶算法 42.1蝴蝶算法的提出 42.2蝴蝶的生活习性 42.3蝴蝶算法的优化原理 42.4蝴蝶算法的数学描述 42.5蝴蝶算法的实现步骤第43章蝴蝶交配优化算法 43.1蝴蝶交配优化算法的提出 43.2蝴蝶的生活习性 43.3BMO算法的机理 43.4BMO算法的数学描述 43.5BMO算法的伪代码实现第44章蝴蝶优化算法 44.1蝴蝶优化算法的提出 44.2蝴蝶的生活习性 44.3蝴蝶算法的优化原理 44.4BOA的数学描述 44.5BOA的实现步骤及伪代码第45章蜻蜓算法 45.1蜻蜓算法的提出 45.2蜻蜓的生活习性 45.3DA的优化原理 45.4DA的数学描述 45.5单目标及多目标DA的实现步骤及伪代码第46章蜉蝣优化算法 46.1蜉蝣优化算法的提出 46.2蜉蝣的习性及其交配行为 46.3蜉蝣优化算法的优化原理 46.4单目标蜉蝣优化算法的数学描述 46.5单目标蜉蝣优化算法的伪代码实现 46.6多目标蜉蝣优化算法的伪代码实现第47章蚱蜢优化算法 47.1蚱蜢优化算法的提出 47.2蚱蜢的习性 47.3蚱蜢优化算法的优化原理 47.4蚱蜢优化算法的数学描述 47.5蚱蜢优化算法的实现步骤及伪代码第48章飞蛾扑火优化算法 48.1飞蛾扑火优化算法的提出 48.2飞蛾的横向导航方法 48.3飞蛾扑火的原理 48.4飞蛾扑火优化算法的数学描述 48.5飞蛾扑火优化算法的伪代码实现第49章蛾群算法 49.1蛾群算法的提出 49.2飞蛾的生活习性及趋光性 49.3蛾群算法的数学描述 49.4蛾群算法的实现步骤第50章群居蜘蛛优化算法 50.1群居蜘蛛优化算法的提出 50.2蜘蛛的习性与特征 50.3群居蜘蛛优化算法的基本思想 50.4群居蜘蛛优化算法的数学描述 50.5蜘蛛优化算法的实现步骤及流程第51章蟑螂优化算法 51.1蟑螂优化算法的提出 51.2蟑螂的习性 51.3蟑螂优化算法的原理 51.4蟑螂优化算法的数学描述 51.5蟑螂优化算法的实现步骤第52章天牛须搜索算法 52.1天牛须搜索算法的提出 52.2天牛的习性及天牛须的功能 52.3天牛须搜索算法的寻优原理 52.4天牛须搜索算法的数学描述 52.5天牛须搜索算法的实现步骤及流程第53章蚯蚓优化算法 53.1蚯蚓优化算法的提出 53.2蚯蚓的生活习性 53.3蚯蚓优化算法的基本思想 53.4蚯蚓优化算法的数学描述 53.5蚯蚓优化算法的实现及流程第54章布谷鸟搜索算法 54.1布谷鸟搜索算法的提出 54.2布谷鸟的繁殖行为与Levy飞行 54.3布谷鸟搜索算法的原理 54.4布谷鸟搜索算法的数学描述 54.5布谷鸟搜索算法的实现步骤及流程第55章候鸟优化算法 55.1候鸟优化算法的提出 55.2候鸟Ｖ字形编队飞行的优化原理 55.3候鸟优化算法的描述 55.4候鸟优化算法的实现步骤及流程 55.5候鸟优化算法的特点及参数分析第56章雁群优化算法 56.1雁群优化算法的提出 56.2雁群飞行规则及其假设 56.3雁群优化算法的基本思想 56.4雁群优化算法的数学描述 56.5雁群优化算法的实现步骤及流程第57章燕群优化算法 57.1燕群优化算法的提出 57.2燕子的生活习性及觅食行为 57.3燕群优化算法的优化原理 57.4燕群优化算法的数学描述 57.5燕群优化算法的实现步骤及伪代码第58章麻雀搜索算法 58.1麻雀搜索算法的提出 58.2麻雀的生活习性 58.3麻雀搜索算法的优化原理 58.4麻雀搜索算法中的假设规则 58.5麻雀搜索算法的数学描述 58.6麻雀搜索算法的伪代码实现第59章鸽群优化算法 59.1鸽群优化算法的提出 59.2鸽子自主归巢导航的优化原理 59.3鸽群优化算法的数学描述 59.4鸽群优化算法的实现步骤及流程第60章鸟群算法 60.1鸟群算法的提出 60.2鸟群觅食、警惕和飞行行为规则 60.3鸟群算法的数学描述 60.4鸟群算法的伪代码描述及流程第61章乌鸦搜索算法 61.1乌鸦搜索算法的提出 61.2乌鸦的生活习性 61.3乌鸦搜索算法的原理 61.4乌鸦搜索算法的数学描述 61.5乌鸦搜索算法的实现步骤及流程第62章缎蓝园丁鸟优化算法 62.1缎蓝园丁鸟优化算法的提出 62.2缎蓝园丁鸟的习性及求偶机制 62.3缎蓝园丁鸟优化算法的数学描述 62.4缎蓝园丁鸟优化算法的实现第63章海鸥优化算法 63.1海鸥优化算法的提出 63.2海鸥的习性及迁徙和攻击行为 63.3海鸥优化算法的数学描述 63.4海鸥优化算法的实现步骤及伪代码第64章哈里斯鹰优化算法 64.1哈里斯鹰优化算法的提出 64.2哈里斯鹰的习性及觅食策略 64.3哈里斯鹰优化算法的数学描述 64.4哈里斯鹰优化算法的实现第65章秃鹰搜索算法 65.1秃鹰搜索算法的提出 65.2秃鹰的习性及其狩猎策略的优化机制 65.3秃鹰搜索算法的数学描述 65.4秃鹰搜索算法的伪代码实现第66章蝙蝠算法 66.1蝙蝠算法的提出 66.2蝙蝠的习性及回声定位 66.3蝙蝠算法的基本思想 66.4蝙蝠算法的数学描述 66.5蝙蝠算法的实现步骤及流程第67章动态虚拟蝙蝠算法 67.1动态虚拟蝙蝠算法的提出 67.2蝙蝠的回声定位功能 67.3动态虚拟蝙蝠算法的优化原理 67.4动态虚拟蝙蝠算法的数学描述 67.5虚拟蝙蝠算法的伪代码实现第68章飞鼠搜索算法 68.1飞鼠搜索算法的提出 68.2飞鼠滑行及觅食行为的寻优机制 68.3飞鼠搜索算法的数学描述 68.4飞鼠搜索算法的伪代码实现及流程第69章混合蛙跳算法 69.1混合蛙跳算法的提出 69.2混合蛙跳算法的基本原理 69.3基本混合蛙跳算法的描述 69.4混合蛙跳算法的实现步骤 69.5混合蛙跳算法实现的流程第70章人工鱼群算法 70.1人工鱼群算法的提出 70.2动物自治体模型与鱼类的觅食行为 70.3人工鱼群算法的基本原理 70.4人工鱼群算法的数学描述 70.5人工鱼群算法的流程第71章大马哈鱼洄游算法 71.1大马哈鱼洄游算法的提出 71.2大马哈鱼的洄游习性 71.3大马哈鱼洄游算法的原理 71.4大马哈鱼洄游算法的描述 71.5大马哈鱼洄游算法的实现步骤及流程第72章鲸鱼优化算法 72.1鲸鱼优化算法的提出 72.2鲸鱼的泡泡网觅食行为 72.3鲸鱼优化算法的原理 72.4鲸鱼优化算法的数学描述 72.5鲸鱼优化算法的实现步骤及流程第73章海豚回声定位优化算法 73.1海豚回声定位优化算法的提出 73.2海豚的生活习性 73.3海豚回声定位的优化原理 73.4海豚回声定位优化算法的数学描述 73.5海豚回声定位优化算法的实现步骤及流程第74章海豚群算法 74.1海豚群算法的提出 74.2海豚群算法的优化原理 74.3海豚群算法的数学描述 74.4海豚群算法的实现步骤第75章口孵鱼算法 75.1口孵鱼算法的提出 75.2口孵鱼的习性 75.3口孵鱼算法的优化原理 75.4口孵鱼算法的数学描述 75.5口孵鱼算法的伪代码实现第76章河豚圆形结构算法 76.1河豚圆形结构算法的提出 76.2河豚的习性 76.3河豚建造圆形结构的过程 76.4河豚圆形结构算法的数学描述 76.5河豚圆形结构算法的伪代码实现第77章樽海鞘群算法 77.1樽海鞘群算法的提出 77.2樽海鞘的生活习性 77.3樽海鞘群觅食的优化机理 77.4樽海鞘群算法的数学描述 77.5樽海鞘群算法的实现步骤及程序伪代码第78章珊瑚礁优化算法 78.1珊瑚礁优化算法的提出 78.2珊瑚虫生活习性及珊瑚礁筑成 78.3珊瑚礁优化算法的优化原理 78.4珊瑚礁优化算法的数学描述 78.5珊瑚礁优化算法的实现步骤及流程第79章磷虾群算法 79.1磷虾群算法的提出 79.2磷虾群算法的原理 79.3磷虾群算法的数学描述 79.4磷虾群算法的实现步骤及流程第80章细菌觅食优化算法 80.1细菌觅食优化算法的提出 80.2大肠杆菌的结构及觅食行为 80.3细菌觅食优化算法的原理 80.4细菌觅食优化算法的数学描述 80.5细菌觅食优化算法的实现步骤及流程第81章细菌(群体)趋药性算法 81.1细菌(群体)趋药性算法的提出 81.2细菌趋药性算法的原理 81.3细菌趋药性算法的数学描述 81.4细菌群体趋药性算法的基本思想 81.5细菌群体趋药性算法的数学描述 81.6细菌群体趋药性算法的实现步骤第82章细菌菌落优化算法 82.1细菌菌落优化算法的提出 82.2细菌的生长、繁殖、死亡过程 82.3细菌菌落优化算法的原理 82.4细菌菌落优化算法的设计 82.5细菌菌落优化算法的实现步骤及流程第83章病毒种群搜索算法 83.1病毒种群搜索算法的提出 83.2病毒及其生存策略 83.3病毒种群搜索算法的优化原理 83.4病毒种群搜索算法的数学描述 83.5病毒种群搜索算法实现的伪代码及算法流程第84章猫群优化算法 84.1猫群优化算法的提出 84.2猫的生活习性 84.3猫群优化算法的原理 84.4猫群优化算法的数学描述 84.5猫群优化算法的实现步骤 84.6猫群优化算法实现的程序流程第85章鼠群优化算法 85.1鼠群优化算法的提出 85.2鼠群优化算法的原理 85.3鼠群优化算法及其环境描述 85.4鼠群优化算法的实现步骤第86章猫鼠种群算法 86.1猫鼠种群算法提出 86.2猫鼠种群算法的原理 86.3猫鼠种群算法的数学描述 86.4猫鼠种群算法的实现步骤及流程第87章鸡群优化算法 87.1鸡群优化算法的提出 87.2鸡群优化算法的基本思想 87.3鸡群优化算法的数学描述 87.4鸡群优化算法的实现步骤及流程第88章斑鬣狗优化算法 88.1斑鬣狗优化算法的提出 88.2斑鬣狗的社会等级及捕食行为 88.3斑鬣狗优化算法的寻优原理 88.4斑鬣狗优化算法的数学描述 88.5斑鬣狗优化算法的实现步骤及流程第89章猴群算法 89.1猴群算法的提出 89.2猴群算法的原理 89.3猴群算法的数学描述 89.4猴群算法的实现步骤及流程第90章蜘蛛猴优化算法 90.1蜘蛛猴优化算法的提出 90.2蜘蛛猴习性及裂变融合结构的觅食行为 90.3蜘蛛猴优化算法的优化原理 90.4蜘蛛猴优化算法的数学描述 90.5蜘蛛猴优化算法的实现步骤第91章狼群算法 91.1狼群算法的提出 91.2狼的习性及狼群特征 91.3狼群算法的原理 91.4狼群算法的数学描述 91.5狼群算法的实现步骤及流程第92章灰狼优化算法 92.1灰狼优化算法的提出 92.2灰狼的社会等级及狩猎行为 92.3灰狼优化算法的数学描述 92.4灰狼优化算法的实现步骤及流程第93章狮子优化算法 93.1狮子优化算法的提出 93.2狮子的生活习性 93.3狮子优化算法的原理 93.4狮子优化算法的数学描述 93.5狮子优化算法的伪代码实现第94章北极熊优化算法 94.1北极熊优化算法的提出 94.2北极熊的生活习性及其捕猎行为 94.3北极熊优化算法的优化原理 94.4北极熊优化算法的数学描述 94.5北极熊优化算法的实现步骤及伪代码第95章大象放牧优化算法 95.1大象放牧优化算法的提出 95.2大象的生活习性 95.3大象放牧优化算法的优化原理 95.4大象放牧优化算法的数学描述 95.5大象放牧优化算法的实现步骤及伪代码 95.6二进制象群优化算法的原理及伪代码实现第96章象群水搜索算法 96.1象群水搜索算法的提出 96.2大象的特征及其水搜索策略 96.3象群水搜索算法设计的基本规则 96.4象群水搜索算法的数学描述 96.5象群水搜索算法的伪代码实现第97章自私兽群优化算法 97.1自私兽群优化算法的提出 97.2自私兽群优化算法的优化原理 97.3自私兽群优化算法的数学描述 97.4自私兽群优化算法的实现步骤及流程第98章捕食搜索算法 98.1捕食搜索算法的提出 98.2动物捕食策略 98.3捕食搜索算法的基本思想 98.4捕食搜索算法的数学描述 98.5捕食搜索算法的实现步骤及流程第99章自由搜索算法 99.1自由搜索算法的提出 99.2自由搜索算法的优化原理 99.3自由搜索算法的数学描述 99.4自由搜索算法的实现步骤及流程第100章食物链算法 100.1食物链算法的提出 100.2捕食食物链 100.3人工捕食策略 100.4人工生命食物链的基本思想 100.5食物链算法的数学描述 100.6食物链算法的实现步骤及流程第101章共生生物搜索算法 101.1共生生物搜索算法的提出 101.2共生生物搜索算法的原理 101.3共生生物搜索算法的数学描述 101.4SOS算法的实现步骤及流程第102章生物地理学优化算法 102.1生物地理学优化算法的提出 102.2生物地理学的基本概念及生物物种迁移模型 102.3生物地理学优化算法的原理 102.4生物地理学优化算法的数学描述 102.5生物地理学优化算法的实现步骤及流程第103章竞争优化算法 103.1竞争优化算法的提出 103.2竞争优化算法的原理 103.3竞争优化算法的描述 103.4竞争优化算法的实现步骤及流程第四篇仿植物生长算法第104章模拟植物生长算法 104.1模拟植物生长算法的提出 104.2模拟植物生长算法的原理 104.3模拟植物生长算法的数学描述 104.4模拟植物生长算法的实现步骤第105章人工植物优化算法 105.1人工植物优化算法的提出 105.2人工植物优化算法的优化原理 105.3人工植物优化算法的数学描述 105.4人工植物优化算法的实现步骤及流程第106章人工藻类算法 106.1人工藻类算法的提出 106.2藻类的生长特性 106.3人工藻类算法的数学描述 106.4人工藻类算法的伪代码实现及流程第107章小树生长算法 107.1小树生长算法的提出 107.2小树生长算法的优化原理 107.3小树生长算法的数学描述 107.4小树生长算法的伪代码实现第108章自然树生长竞争算法 108.1自然树生长竞争算法的提出 108.2自然树生长竞争算法的优化机理 108.3自然树生长的竞争模型 108.4自然树生长竞争算法的数学描述 108.5自然树生长竞争算法的实现步骤及流程第109章根树优化算法 109.1根树优化算法的提出 109.2根树优化算法的基本原理 109.3根树优化算法的数学描述 109.4RTO算法的实现步骤第110章森林优化算法 110.1森林优化算法的提出 110.2森林优化算法的原理 110.3森林优化算法的数学描述 110.4森林优化算法的实现步骤及流程第111章入侵草优化算法 111.1入侵草优化算法的提出 111.2杂草生长的入侵性 111.3入侵草优化算法的原理 111.4入侵草优化算法的数学描述 111.5入侵草优化算法的实现步骤及流程第112章种子优化算法 112.1种子优化算法的提出 112.2种子优化算法的基本思想 112.3种子优化算法的数学描述及实现流程 112.4基于正态分布的种子优化算法及实现流程第113章花朵授粉算法 113.1花朵授粉算法的提出 113.2花朵授粉的特征 113.3花朵授粉算法的数学描述 113.4花朵授粉算法的实现步骤及流程第114章杂交水稻优化算法 114.1杂交水稻优化算法的提出 114.2杂交水稻育种技术及其分类 114.3杂交水稻优化算法的优化原理 114.4杂交水稻优化算法的数学描述 114.5杂交水稻优化算法的实现第五篇仿自然优化算法第115章模拟退火算法 115.1模拟退火算法的提出 115.2固体退火过程的统计力学原理 115.3模拟退火算法的数学描述 115.4模拟退火算法的实现步骤及流程第116章混沌优化算法 116.1混沌优化算法的提出 116.2混沌学与Logistic映射 116.3混沌优化算法的实现步骤 116.4变尺度混沌优化算法的实现步骤第117章混沌黄金分割搜索算法 117.1混沌黄金分割搜索算法的提出 117.2混沌黄金分割搜索算法的原理及数学描述 117.3混沌黄金分割搜索算法的结构 117.4混沌黄金分割搜索算法的实现步骤及流程第118章随机分形搜索算法 118.1随机分形搜索算法的提出 118.2随机分形搜索的原理 118.3分形搜索算法的数学描述 118.4分形搜索算法的实现步骤 118.5随机分形搜索算法的数学描述及实现步骤第119章电子搜索算法 119.1电子搜索算法的提出 119.2玻尔原子模型与里德伯格公式 119.3电子搜索算法的优化原理 119.4电子搜索算法的数学描述 119.5电子搜索算法的实现步骤第120章量子搜索算法 120.1量子搜索算法的提出 120.2量子计算基础 120.3Grover量子搜索算法的原理 120.4Grover算法的搜索步骤 120.5量子遗传算法的原理及实现步骤第121章量子谐振子优化算法 121.1量子谐振子优化算法的提出 121.2量子谐振子优化算法的基本原理 121.3量子谐振子优化算法的数学描述 121.4量子谐振子优化算法的实现 121.5多尺度量子谐振子算法第122章智能水滴优化算法 122.1智能水滴优化算法的提出 122.2智能水滴优化算法的基本原理 122.3智能水滴优化算法的数学描述 122.4智能水滴优化算法求解TSP 问题的步骤及流程第123章水循环算法 123.1水循环算法的提出 123.2水循环过程 123.3水循环算法的基本原理 123.4水循环算法的数学描述 123.5水循环算法的实现步骤及流程第124章水波优化算法 124.1水波优化算法的提出 124.2水波现象与水波理论 124.3水波优化算法的基本原理 124.4水波优化算法的数学描述 124.5水波优化算法的实现步骤及流程第125章人工雨滴算法 125.1人工雨滴算法的提出 125.2雨滴形成及降雨过程分析 125.3人工雨滴算法的基本思想 125.4人工雨滴算法的数学描述 125.5人工雨滴算法的循环过程流程第126章云搜索优化算法 126.1云搜索优化算法的提出 126.2云搜索优化算法的基本思想 126.3云搜索优化算法的数学描述 126.4云搜索优化算法的实现步骤第127章气象云模型优化算法 127.1气象云模型优化算法的提出 127.2气象云模型优化算法的基本思想 127.3气象云模型优化算法的数学描述 127.4气象云模型优化算法的实现步骤及流程第128章风驱动优化算法 128.1风驱动优化算法的提出 128.2风驱动优化算法的原理 128.3风驱动优化算法的数学描述 128.4风驱动优化算法的实现步骤及流程第129章宇宙大爆炸算法 129.1宇宙大爆炸算法的提出 129.2宇宙大爆炸算法的基本思想 129.3宇宙大爆炸算法的数学描述 129.4BBBC算法实现步骤及流程第130章烟花算法 130.1烟花算法的提出 130.2烟花算法的优化原理 130.3烟花算法的数学描述 130.4烟花算法实现步骤及流程第131章中心引力优化算法 131.1中心引力优化算法的提出 131.2中心引力优化算法的原理 131.3中心引力优化算法的数学描述 131.4中心引力优化算法的实现步骤第132章引力搜索算法 132.1引力搜索算法的提出 132.2引力搜索算法的原理 132.3引力搜索算法的数学描述 132.4引力搜索算法的实现步骤及流程第133章引力场算法 133.1引力场算法的提出 133.2行星和恒星的形成理论 133.3引力场算法的基本思想 133.4引力场算法的数学描述 133.5引力场算法的实现步骤及流程第134章极值动力学优化算法 134.1极值动力学优化算法的提出 134.2BS生物演化模型 134.3极值动力学优化算法的原理 134.4极值动力学优化算法的描述 134.5极值动力学优化算法的实现步骤及流程 134.6极值动力学优化算法的特点第135章拟态物理学优化算法 135.1拟态物理学优化算法的提出 135.2拟态物理学基础 135.3拟态物理学优化算法的基本思想 135.4拟态物理学优化算法的数学描述 135.5拟态物理学优化算法的实现步骤第136章分子动理论优化算法 136.1分子动理论优化算法的提出 136.2分子动理论的相关知识 136.3分子动理论优化算法的原理 136.4分子动理论优化算法的数学描述 136.5分子动理论优化算法的实现步骤及流程第137章碰撞体优化算法 137.1碰撞体优化算法的提出 137.2碰撞体优化算法的原理 137.3碰撞体优化算法的数学描述 137.4碰撞体优化算法的实现步骤及流程第138章气体分子动力学优化算法 138.1气体分子动力学优化算法的提出 138.2气体分子的动力学理论 138.3气体分子动力学优化算法的原理 138.4气体分子动力学优化算法的数学描述 138.5气体分子动力学优化算法的伪代码实现第139章进化质心算法 139.1进化质心算法的提出 139.2基于物体质心的优化原理 139.3进化质心算法的数学描述 139.4进化质心算法的伪代码实现第140章平衡优化算法 140.1平衡优化算法的提出 140.2平衡优化算法的原理 140.3平衡优化算法的数学描述 140.4平衡优化算法的伪代码及实现流程第141章类电磁机制算法 141.1类电磁机制算法的提出 141.2库仑定律 141.3类电磁机制算法的基本思想 141.4类电磁机制算法的数学描述 141.5类电磁机制算法的实现步骤及流程第142章热传递搜索算法 142.1热传递搜索算法的提出 142.2热传递搜索算法的原理 142.3热传递搜索算法的数学描述 142.4热传递搜索算法实现的详细流程第143章热交换优化算法 143.1热交换优化算法的提出 143.2热交换优化的物理学基础 143.3热交换优化算法的数学描述 143.4热交换优化算法的实现流程第144章螺旋运动进化算法 144.1螺旋运动进化算法的提出 144.2螺旋运动进化算法的基本思想 144.3螺旋运动进化算法的数学描述 144.4螺旋运动进化算法的伪代码实现第145章螺旋优化算法 145.1螺旋优化算法的提出 145.2螺旋结构、螺旋模型与*优化机制 145.3螺旋优化算法的数学描述 145.4基本螺旋优化算法的实现步骤 145.5收敛的螺旋优化算法及其实现步骤第146章涡流搜索算法 146.1涡流搜索算法的提出 146.2涡流搜索算法的原理 146.3涡流搜索算法的数学描述 146.4涡流搜索算法的实现及流程第147章闪电搜索算法 147.1闪电搜索算法的提出 147.2闪电搜索算法的原理 147.3闪电搜索算法的数学描述 147.4闪电搜索算法的实现步骤及流程第148章光线优化算法 148.1光线优化算法的提出 148.2光线优化算法的原理 148.3光线优化算法的数学描述 148.4光线优化算法的流程第149章化学反应优化算法 149.1化学反应优化算法的提出 149.2化学反应优化算法的原理 149.3化学反应优化算法的数学描述 149.4化学反应优化算法的实现步骤及流程第150章正弦余弦算法 150.1正弦余弦算法的提出 150.2正弦余弦算法的原理 150.3正弦余弦算法的数学描述 150.4正弦余弦算法的伪代码实现第151章阴阳对优化算法 151.1阴阳对优化算法的提出 151.2阴阳对优化算法的基本思想 151.3阴阳对优化算法的数学描述 151.4阴阳对优化算法的伪代码实现第152章五行环优化算法 152.1五行环优化算法的提出 152.2五行学说及相生相克关系 152.3五行环优化算法的优化原理 152.4五行环模型的建立 152.5五行环优化算法的实现及流程第153章多元宇宙优化算法 153.1多元宇宙优化算法的提出 153.2多元宇宙理论 153.3多元宇宙优化算法的原理 153.4多元宇宙优化算法的数学描述 153.5多元宇宙优化算法的实现步骤及流程第154章人工生态系统优化算法 154.1人工生态系统优化算法的提出 154.2生态系统及生态平衡的优化原理 154.3人工生态系统优化算法的数学描述 154.4人工生态系统优化算法的伪代码实现第六篇涌现计算第155章一维元胞自动机的涌现计算 155.1元胞自动机概念的提出 155.2元胞自动机的结构与规则 155.3一维元胞自动机涌现计算的原理第156章Conway生命游戏的涌现计算 156.1Conway生命游戏的提出 156.2二维细胞自动机的结构和规则 156.3Conway生命游戏的演化 156.4基于MATLAB的生命游戏仿真设计 156.5基于MATLAB生命游戏仿真算法的实现步骤及流程第157章蚂蚁系统觅食路径的涌现计算 157.1蚂蚁群体觅食行为的涌现现象 157.2蚂蚁群体觅食行为模型的构建 157.3蚂蚁主体觅食行为规则及模型参数 157.4基于Agent的蚂蚁群体觅食行为的涌现计算步骤及流程第158章数字人工生命Autolife的涌现行为 158.1Autolife模型的提出 158.2Autolife模型的基本思想 158.3Autolife模型的规则描述 158.4不同环境下的人工生命群体动态行为 158.5组织的自创生与自修复功能 158.6Autolife模型的意义第159章黏菌的铁路网络涌现计算 159.1黏菌涌现计算的提出 159.2黏菌及其习性 159.3黏菌觅食的涌现行为 159.4黏菌交通网络的涌现计算过程 159.5黏菌网络的性能及路径寻优模型附录A智能优化算法的理论基础：复杂适应系统理论参考文献

展开全部

智能优化算法与涌现计算(第2版) 作者简介

李士勇，哈尔滨工业大学控制科学与工程学科，二级教授，博士生导师，哈尔滨工业大学教学名师奖获得者，黑龙江省优秀专家。曾被聘任国家模糊控制生产力促进中心专家组专家，Journal of Measurement Science and Instrumentation 编委。30多年来，一直从事自动控制，模糊控制，神经控制，智能控制，智能优化，智能制导，复杂适应系统方面的教学、科研及硕士生、博士生指导工作。教学和科研共获奖2项，省部级奖7项。在国内外发表论文金200篇。以第一作者已出版教材和专著共14部，其中在哈尔滨大学出版社出版12部，在清华大学出版社出版2部，在清华大学出版社成立40周年社庆时，本人被推荐为优秀作者和作品参展。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐