啟發(fā)式優(yōu)化算法理論及應(yīng)用

第1章 緒論
1.1 化問題定義及分類
1.1.1 化問題定義
1.1.2 化問題分類
1.2 化方法特點及分類
1.2.1 化方法特點
1.2.2 化方法分類
1.3 啟發(fā)式算法定義及特點
1.3.1 啟發(fā)式算法定義
1.3.2 啟發(fā)式算法特點
1.4 本章小結(jié)
1.5 習(xí)題
第2章 遺傳算法
2.1 遺傳算法思想及特點
2.1.1 算法思想
2.1.2 算法特點
2.2 遺傳算子
2.2.1 選擇算子
2.2.2 交叉算子
2.2.3 變異算子
2.3 遺傳算法設(shè)計原則
2.3.1 適應(yīng)度和初始群體選取原則
2.3.2 參數(shù)設(shè)計原則
2.4 遺傳算法的應(yīng)用
2.4.1 遺傳算法在0-1背包問題中的應(yīng)用
2.4.2 遺傳算法在函數(shù)極值問題中的應(yīng)用
2.4.3 遺傳算法在旅行商問題中的應(yīng)用
2.4.4 遺傳算法在機(jī)器學(xué)習(xí)中的應(yīng)用
2.4.5 遺傳算法在其他領(lǐng)域中的應(yīng)用
2.5 本章小結(jié)
2.6 習(xí)題
第3章 蟻群算法
3.1 蟻群算法思想及特點
3.1.1 算法思想
3.1.2 算法特點
3.2 蟻群算法的應(yīng)用
3.2.1 蟻群算法在旅行商問題中的應(yīng)用
3.2.2 蟻群算法在函數(shù)極值問題中的應(yīng)用
3.3 本章小結(jié)
3.4 習(xí)題
第4章 模擬退火算法
4.1 模擬退火算法思想及特點
4.1.1 算法思想
4.1.2 算法特點
4.2 模擬退火算法設(shè)計原則
4.3 模擬退火算法的應(yīng)用
4.3.1 模擬退火算法在旅行商問題中的應(yīng)用
4.3.2 模擬退火算法在電商物流配送問題中的應(yīng)用
4.3.3 模擬退火算法在登機(jī)口分配問題中的應(yīng)用
4.3.4 模擬退火算法在多核多用戶任務(wù)卸載調(diào)度問題中的應(yīng)用
4.3.5 模擬退火算法在同時取送貨車輛路徑問題中的應(yīng)用
4.5 本章小結(jié)
4.6 習(xí)題
第5章 禁忌搜索算法
5.1 禁忌搜索算法思想及特點
5.1.1 算法思想
5.1.2 算法特點
5.2 禁忌搜索算法設(shè)計原則
5.3 禁忌搜索算法的應(yīng)用
5.3.1 禁忌搜索算法在旅行商問題中的應(yīng)用
5.3.2 禁忌搜索算法在雙層級醫(yī)療設(shè)施選址問題中的應(yīng)用
5.3.3 禁忌搜索算法在機(jī)場外航服務(wù)人員班型生成問題中的應(yīng)用
5.4 本章小結(jié)
5.5 習(xí)題
第6章 大鄰域搜索算法
6.1 鄰域搜索及超大規(guī)模鄰域搜索定義
6.1.1 鄰域搜索定義
6.1.2 超大規(guī)模鄰域搜索定義
6.2 大鄰域搜索算法介紹
6.3 自適應(yīng)大鄰域搜索算法介紹
6.3.1 算法思想
6.3.2 算法設(shè)計原則
6.3.3 算法特點
6.4 大鄰域搜索算法的應(yīng)用
6.4.1 大鄰域搜索算法在路徑問題中的應(yīng)用
6.4.2 大鄰域搜索算法在調(diào)度問題中的應(yīng)用
6.5 本章小結(jié)
6.6 習(xí)題
第7章 變鄰域搜索算法
7.1 變鄰域搜索算法原理
7.1.1 變鄰域深度搜索算法原理
7.1.2 簡化變鄰域搜索算法原理
7.1.3 基本變鄰域搜索算法原理
7.1.4 偏態(tài)變鄰域搜索算法原理
7.1.5 變鄰域分解搜索算法原理
7.1.6 并行變鄰域搜索算法原理
7.2 變鄰域搜索算法的改進(jìn)策略
7.3 變鄰域搜索算法的應(yīng)用
7.3.1 變鄰域搜索算法在組合優(yōu)化問題中的應(yīng)用
7.3.2 變鄰域搜索算法在連續(xù)優(yōu)化問題中的應(yīng)用
7.3.3 變鄰域搜索算法在物流配送系統(tǒng)集成優(yōu)化問題中的應(yīng)用
7.3.4 變鄰域搜索算法在開放式帶時間窗車輛路徑問題中的應(yīng)用
7.4 本章小結(jié)
7.5 習(xí)題
第8章 迭代局部搜索算法
8.1 迭代局部搜索算法原理
8.2 迭代局部搜索算法設(shè)計原則
8.2.1 初始解設(shè)計原則
8.2.2 擾動機(jī)制設(shè)計原則
8.2.3 解接受準(zhǔn)則設(shè)計原則
8.2.4 局部搜索設(shè)計原則
8.2.5 全局優(yōu)化設(shè)計原則
8.3 迭代局部搜索算法的應(yīng)用
8.3.1 迭代局部搜索算法在旅行商問題中的應(yīng)用
8.3.2 迭代局部搜索算法在其他問題中的應(yīng)用
8.4 本章小結(jié)
8.5 習(xí)題
第9章 粒子群算法
9.1 粒子群算法起源
9.2 粒子群算法原理
9.2.1 原始粒子群算法原理
9.2.2 標(biāo)準(zhǔn)粒子群算法原理
9.3 粒子群算法參數(shù)分析
9.3.1 慣性權(quán)重分析
9.3.2 學(xué)習(xí)因子分析
9.3.3 其他參數(shù)分析
9.4 粒子群算法的應(yīng)用
9.4.1 粒子群算法在模糊系統(tǒng)設(shè)計問題中的應(yīng)用
9.4.2 粒子群算法在滿載需求可拆分車輛路徑問題中的應(yīng)用
9.5 本章小結(jié)
9.6 習(xí)題
0章 人工免疫算法
10.1 人工免疫算法介紹
10.1.1 生物免疫系統(tǒng)
10.1.2 生物免疫基本原理
10.1.3 人工免疫系統(tǒng)及免疫算法
10.1.4 人工免疫算法與遺傳算法的比較
10.2 免疫遺傳算法介紹
10.3 免疫規(guī)劃算法介紹
10.4 免疫策略算法介紹
10.5 免疫優(yōu)化算法在物流中心選址問題中的應(yīng)用
10.6 本章小結(jié)
10.7 習(xí)題
1章 人工神經(jīng)網(wǎng)絡(luò)
11.1 人工神經(jīng)網(wǎng)絡(luò)起源
11.2 人工神經(jīng)網(wǎng)絡(luò)概念
11.2.1 人工神經(jīng)