現(xiàn)代優(yōu)化算法

●第1章緒論
1.1現(xiàn)代優(yōu)化算法的產(chǎn)生與發(fā)展
1.2傳統(tǒng)優(yōu)化方法的基本步驟及其局限性
1.3現(xiàn)代優(yōu)化算法的產(chǎn)生與發(fā)展
1.4怎樣學(xué)習(xí)研究現(xiàn)代優(yōu)化算法
1.5問題與思考
參考文獻(xiàn)
第2章算法基礎(chǔ)
2.1很優(yōu)化問題
2.1.1無約束優(yōu)化
2.1.2約束優(yōu)化
2.1.3組合優(yōu)化
2.2爬山算法
2.3鄰域及局部搜索
2.4算法的智能性
2.4.1自適應(yīng)
2.4.2隨機(jī)性
2.4.3交流
2.4.4反饋
2.4.5探索與開發(fā)
參考文獻(xiàn)
第3章禁忌搜索算法
3.1導(dǎo)言
3.2算法的構(gòu)成要素
3.2.1編碼方法
3.2.2適值函數(shù)的構(gòu)造
3.2.3初始解的獲得
3.2.4移動與鄰域移動
3.2.5禁忌表
3.2.6選擇策略
3.2.7渴望水平
3.2.8停止準(zhǔn)則
3.3算法流程與算例
3.3.1基本步驟
3.3.2流程圖
3.3.3一個(gè)簡單的例子
3.4中期表與長期表
3.4.1中期表
3.4.2長期表
3.5算法性能的改進(jìn)
3.5.1并行禁忌搜索算法
3.5.2主動禁忌搜索算法
3.5.3其他改進(jìn)方法
3.6禁忌搜索算法的應(yīng)用
3.6.1應(yīng)用于實(shí)優(yōu)化問題
3.6.2電子超市網(wǎng)站鏈接設(shè)計(jì)中的應(yīng)用
3.6.3多盤剎車設(shè)計(jì)中的應(yīng)用
3.6.4軍事空運(yùn)裝載問題中的應(yīng)用
參考文獻(xiàn)
第4章模擬退火算法
4.1導(dǎo)言
4.1.1熱力學(xué)中的退火過程
4.1.2退火與模擬退火
4.2退火過程的數(shù)學(xué)描述和玻耳茲曼方程
4.3模擬退火算法的構(gòu)造及流程
4.3.1算法的要素構(gòu)成
4.3.2算法的計(jì)算步驟和流程圖
4.3.3一個(gè)簡單的算例
4.4算法的收斂性分析
4.4.1馬爾可夫過程
4.4.2SA的收斂性分析
4.5應(yīng)用案例
4.5.1成組技術(shù)中加工中心的組成問題
4.5.2準(zhǔn)時(shí)化生產(chǎn)計(jì)劃問題
4.5.3陸航兵力投送很優(yōu)路徑問題
參考文獻(xiàn)
第5章遺傳算法
5.1生物的遺傳和進(jìn)化
5.2遺傳算法的基本原理
5.2.1基本思想
5.2.2遺傳算法的基本流程
5.2.3遺傳算法的基本要素
5.2.4計(jì)算舉例
5.3遺傳算法參數(shù)分析
5.3.1種群規(guī)模
5.3.2交叉概率
5.3.3變異概率
5.3.4終止代數(shù)
5.4遺傳算法應(yīng)用實(shí)例
5.4.1背包問題
5.4.2最小生成樹問題
5.4.3二次指派問題
5.4.4定向越野問題
5.5改進(jìn)與變形
5.5.1模因算法
5.5.2隨機(jī)鍵遺傳算法
5.5.3二倍體遺傳算法
5.5.4多種群遺傳算法
5.5.5自適應(yīng)遺傳算法
參考文獻(xiàn)
第6章蟻群算法
6.1導(dǎo)言
6.1.1蟻群覓食的特征
6.1.2人工螞蟻與真實(shí)螞蟻的異同
6.1.3蟻群算法的研究進(jìn)展
6.2基本蟻群算法
6.2.1基本蟻群算法的原理
6.2.2基本蟻群算法的數(shù)學(xué)模型
6.2.3基本蟻群算法的具體實(shí)現(xiàn)
6.2.4基本蟻群算法的復(fù)雜度分析
6.2.5參數(shù)選擇對蟻群算性能的影響
6.3改進(jìn)的蟻群算法
6.3.1蟻群算法的收斂性研究
6.3.2離散域蟻群算法的改進(jìn)研究
6.3.3連續(xù)域蟻群算法的改進(jìn)研究
6.4蟻群算法與其他仿生優(yōu)化算法的比較與融合
6.4.1蟻群算法與其他仿生優(yōu)化算法的比較
6.4.2蟻群算法與遺傳算法的融合
6.5蟻群算法的典型應(yīng)用
6.5.1軍事物流車輛路徑問題
6.5.2無人機(jī)集群路徑規(guī)劃
參考文獻(xiàn)
第7章粒子群優(yōu)化算法
7.1導(dǎo)言
7.2基本原理
7.2.1基本粒子群優(yōu)化算法
7.2.2標(biāo)準(zhǔn)粒子群優(yōu)化算法
7.2.3算法構(gòu)成要素
7.2.4計(jì)算舉例
7.3粒子群優(yōu)化的改進(jìn)與變形
7.3.1慣性權(quán)重
7.3.2鄰域拓?fù)浣Y(jié)構(gòu)
7.3.3學(xué)習(xí)因子
7.3.4帶有收縮因子的粒子群優(yōu)化算法
7.3.5離散版本的粒子群優(yōu)化算法
7.3.6基于遺傳策略和梯度信息的幾種改進(jìn)算法
7.3.7約束的處理
7.3.8多目標(biāo)的處理
7.4應(yīng)用實(shí)例
7.4.1火力分配問題
7.4.2戰(zhàn)術(shù)訓(xùn)練空域規(guī)劃問題
參考文獻(xiàn)
第8章現(xiàn)代優(yōu)化算法總結(jié)及發(fā)展趨勢
8.1一些實(shí)際的建議
8.1.1學(xué)會查錯(cuò)
8.1.2充分認(rèn)識算法的隨機(jī)性
8.1.3小變化可能會有大影響
8.1.4大變化可能只有小影響
8.1.5中間過程包含很多信息
8.1.6鼓勵(lì)多樣性
8.1.7利用問題的信息
8.1.8經(jīng)常保存結(jié)果
8.1.9理解統(tǒng)計(jì)顯著性
8.1.10善于寫作
8.1.11強(qiáng)調(diào)理論
8.1.12強(qiáng)調(diào)實(shí)踐
8.1.13“沒有免費(fèi)午餐”定理
8.2算法集成技術(shù)
8.2.1單一優(yōu)化算法的不足
8.2.2算法集成技術(shù)
8.2.3算法集成實(shí)例：遺傳算法與模擬退火算法集成
8.3算法并行化技術(shù)
8.3.1基本思想
8.3.2遺傳算法的并行化策略
8.4機(jī)器學(xué)習(xí)
8.4.1機(jī)器學(xué)習(xí)概覽
8.4.2機(jī)器學(xué)習(xí)與現(xiàn)代優(yōu)化算法
參考文獻(xiàn)