現(xiàn)代智能算法理論及應用

定　價：￥49.00

作　者：	黃席樾[等]著
出版社：	科學出版社
叢編項：	華夏英才基金學術文庫
標　簽：	算法

ISBN：	9787030153326	出版時間：	2005-04-01	包裝：	平裝
開本：	24cm	頁數(shù)：	430	字數(shù)：

內容簡介

　　本書主要論述了智能算法中的免疫算法、分形編碼算法、蟻群優(yōu)化算法和支持向量機等問題。首先針對幾類不同類型的一般性最優(yōu)化問題，建立相應的基于免疫的算法，并進行理論和應用研究；其次介紹分形編碼算法的理論基礎及實現(xiàn)，探討該算法的改進和應用：然后介紹蟻群優(yōu)化算法的基本原理及并行實現(xiàn)，探討其在工程問題中的應用；最后介紹支持向量機的統(tǒng)計學習理論基礎，研究其在數(shù)據(jù)分類、故障診斷及故障預測中的應用。全書取材新穎，覆蓋面較廣，深入淺出，注重算法的理論依據(jù)、應用思路及應用效果，體現(xiàn)了國內外在這方面研究的最新研究進展．本書可作為從事計算智能研究的科研人員及工程技術人員的參考書，也可供高等工科院校自動控制、計算機、通訊及導航與制導等相關專業(yè)的教師及研究生閱讀。

作者簡介

暫缺《現(xiàn)代智能算法理論及應用》作者簡介

圖書目錄

前言
第一章緒論
第一節(jié)人工免疫系統(tǒng)概述
第二節(jié)分形編碼概述
第三節(jié)蟻群優(yōu)化概述
第四節(jié)支持向量機概述
第一部分免疫優(yōu)化及免疫網(wǎng)絡算法理論和應用
第二章免疫學基本理論及人工免疫系統(tǒng)概論
第一節(jié)免疫學基本概念及原理
第二節(jié)人工免疫系統(tǒng)概述
第三節(jié)本篇研究的主要內容及意義
第四節(jié)最優(yōu)化問題及分類
第五節(jié)測試問題及性質分析
第六節(jié)本章小結
參考文獻
第三章免疫算法理論及應用
第一節(jié)引言
第二節(jié)免疫算法的概念及工作原理
第三節(jié)免疫算子及相關概念
第四節(jié)突變規(guī)則
第五節(jié)免疫算法描述
第六節(jié)算法收斂性概念
第七節(jié)免疫算子性質及齊次免疫算法收斂性
第八節(jié)非齊次免疫算法收斂性
第九節(jié)免疫算法收斂速度分析
第十節(jié)免疫算法穩(wěn)定性理論
第十一節(jié)免疫算法的計算復雜度及魯棒性分析
第十二節(jié)齊次及非齊次免疫算法理論比較分析
第十三節(jié)免疫算法的性能測試
第十四節(jié)應用舉例
第十五節(jié)本章小結
參考文獻
第四章形態(tài)空間上免疫算法及收斂性理論
第一節(jié)引言
第二節(jié)小生境免疫算法
第三節(jié)動態(tài)規(guī)模免疫算法
第四節(jié)約束優(yōu)化免疫算法
第五節(jié)模糊控制免疫算法
第六節(jié)形態(tài)空間上免疫算法的收斂性
第七節(jié)應用舉例
第八節(jié)本章小結
參考文獻
第五章多目標優(yōu)化免疫算法及免疫網(wǎng)絡算法
第一節(jié)引言
第二節(jié)預備知識
第三節(jié)非約束條件下多目標優(yōu)化免疫算法
第四節(jié)約束多目標優(yōu)化免疫算法
第五節(jié)模糊免疫網(wǎng)絡分類算法
第六節(jié)本章小結
參考文獻
第二部分圖像編碼的分形算法
第六章分形編碼的數(shù)學基礎
第一節(jié)引言
第二節(jié)度量空間
第三節(jié)分形
第四節(jié)迭代函數(shù)系統(tǒng)
第五節(jié)本章小結
參考文獻
第七章基本分形編碼算法
第一節(jié)引言
第二節(jié)矢量量化與分形編碼
第三節(jié)迭代函數(shù)系統(tǒng)正問題與自然圖形模擬
第四節(jié)迭代函數(shù)系統(tǒng)逆問題與圖像編碼
第五節(jié)分形編碼算法的基本原理與實現(xiàn)
第六節(jié)本章小結
參考文獻
第八章分形編碼的改進算法
第一節(jié)引言
第二節(jié)圖像分割
第三節(jié)虛擬碼本構成
第四節(jié)亮度變換類型
第五節(jié)變換參數(shù)的量化
第六節(jié)分形解碼
第七節(jié)最優(yōu)分形編碼
第八節(jié)快速分形編碼
第九節(jié)混合分形編碼
第十節(jié)本章小結
參考文獻
第三部分蟻群優(yōu)化算法理論及其應用
第九章蟻群優(yōu)化算法概述
第一節(jié)引言
第二節(jié)蟻群優(yōu)化原理及算法描述
第三節(jié)蟻群優(yōu)化的特點
第四節(jié)蟻群優(yōu)化與其他算法的關系
第五節(jié)蟻群優(yōu)化的研究現(xiàn)狀
第六節(jié)本章小結
參考文獻
第十章蟻群優(yōu)化元啟發(fā)式及其收斂性
第一節(jié)引言
第二節(jié)蟻群優(yōu)化元啟發(fā)式
第三節(jié)蟻群優(yōu)化的收斂性
第四節(jié)本章小結
參考文獻
第十一章基本蟻群優(yōu)化算法及其改進算法
第一節(jié)引言
第二節(jié)螞蟻系統(tǒng)及其屬性
第三節(jié)改進的蟻群優(yōu)化算法
第四節(jié)一種新的自適應蟻群算法
第五節(jié)基于混合行為的蟻群算法
第六節(jié)本章小結
參考文獻
第十二章蟻群優(yōu)化的并行實現(xiàn)
第一節(jié)蟻群優(yōu)化的并行實現(xiàn)概述
第二節(jié)螞蟻系統(tǒng)的同步并行實現(xiàn)和部分異步并行實現(xiàn)
第三節(jié)SPI與PAPI的對比實驗
第四節(jié)對一類帶聚類特征TSP的并行蟻群算法求解
第五節(jié)本章小結
參考文獻
第十三章蟻群優(yōu)化算法的應用
第一節(jié)概述
第二節(jié)蟻群優(yōu)化算法與K-TSP
第三節(jié)蟻群優(yōu)化與二次分配問題
第四節(jié)蟻群優(yōu)化算法與車間作業(yè)調度問題
第五節(jié)蟻群優(yōu)化算法與網(wǎng)絡路由問題
第六節(jié)蟻群算法與0-1背包問題
第七節(jié)蟻群優(yōu)化算法與三維空間機器人路徑規(guī)劃
第八節(jié)本章小結
參考文獻
第四部分小樣本統(tǒng)計學習理論與支持向量機
第十四章小樣本統(tǒng)計學習的基本理論
第一節(jié)引言
第二節(jié)基于SLT的機器學習理論的基本觀點
第三節(jié)支持向量機算法
第四節(jié)算例
第五節(jié)本章小結
參考文獻
第十五章基于SVM的多類分類算法及其在故障診斷中的應用
第一節(jié)引言
第二節(jié)基于二叉樹的多級SVM分類器
第三節(jié)SVM用于故障診斷的一般步驟
第四節(jié)基于SVM的柴油機故障診斷
第五節(jié)本章小結
參考文獻
第十六章基于支持向量機的函數(shù)回歸的方法
第一節(jié)常用的損失函數(shù)的定義
第二節(jié)函數(shù)回歸的SVM方法
第三節(jié)基于SVM的故障趨勢預測研究
第四節(jié)本章小結
參考文獻
中英文詞匯對照