编辑推荐
蚁群智能优化：现代方法解决复杂问题
内容简介
蚁群智能优化方法是一类重要的现代优化方法，为解决复杂的优化问题提供了更多的工具。本书是在分析蚁群优化方法的现有研究基础上，总结作者前期研究成果而完成的。本书首先讲述蚁群算法的基本原理和算法要素，概述了算法的国内外研究现状，分别针对旅行商问题、多维背包问题、定向问题、属性约简、卫星资源调度问题、多目标组合优化问题给出相应的蚁群算法并分析所提出算法的性能。
章节目录
封面页
书名页
版权页
作者简介
内容简介
项目资助
前言 FOREWORD
目录
第1章 绪章
1.1 引言
1.2 复杂性理论的基础知识
1.2.1 算法的复杂度
1.2.2 问题的复杂度
1.3 智能优化方法概述
1.3.1 常用的智能优化方法
1.3.2 智能优化方法的一般框架
1.3.3 智能优化方法分类
1.3.4 智能优化方法的特点
1.4 本书内容及组织
参考文献
第2章 蚁群优化方法概述
2.1 蚁群算法的思想起源
2.2 蚁群算法的基本框架
2.3 基本蚁群算法及其典型改进算法
2.3.1 基本蚁群算法
2.3.2 蚁群系统
2.3.3 最大最小蚂蚁系统
2.4 蚁群算法研究现状
2.4.1 蚁群算法的应用
2.4.2 蚁群算法的改进
2.4.3 蚁群算法的理论研究
2.5 小结
参考文献
第3章 旅行商问题
3.1 引言
3.2 算法描述
3.3 算法随机模型与收敛性质分析
3.4 参数设置和数值实验分析
3.4.1 参数设置
3.4.2 与其他改进蚁群算法的比较
3.5 小结
参考文献
第4章 多维背包问题
4.1 问题描述
4.2 现有算法回顾
4.3 算法描述
4.3.1 算法的基本思想
4.3.2 信息素和启发信息的定义
4.3.3 解的构造
4.3.4 信息素的更新规则
4.3.5 局部搜索
4.4 信息素下界的选取
4.4.1 Stützle和Hoos法的分析
4.4.2 自适应方法
4.5 实验分析
4.5.1 解的评价
4.5.2 参数选取
4.5.3 性能分析
4.6 小结
参考文献
第5章 定向问题
5.1 问题描述
5.2 算法描述
5.2.1 启发信息的定义
5.2.2 解的构造
5.2.3 信息素的更新规则
5.3 差异量的性质
5.4 平均差异量的计算
5.5 实验分析
5.6 小结
参考文献
第6章 团队定向问题
6.1 问题描述
6.2 现有算法回顾
6.3 算法描述
6.3.1 信息素和启发信息的定义
6.3.2 解的构造
6.3.3 信息素的更新规则
6.3.4 局部搜索
6.4 实验分析
6.4.1 参数设置
6.4.2 4种构造法的比较
6.4.3 与其他算法的比较
6.5 小结
参考文献
第7章 属性约简
7.1 问题描述
7.2 现有算法回顾
7.3 算法描述
7.3.1 边模式蚁群算法
7.3.2 团模式蚁群算法
7.3.3 点模式蚁群算法
7.4 实验分析
7.5 小结
参考文献
第8章 卫星资源调度问题
8.1 问题描述
8.1.1 卫星测控基本概念
8.1.2 卫星测控资源调度
8.2 卫星测控资源调度模型
8.2.1 决策变量的选择
8.2.2 约束条件的描述
8.2.3 卫星测控资源调度数学模型
8.3 卫星测控资源调度问题求解
8.3.1 蚁群算法
8.3.2 解的构造
8.3.3 实验结果
8.4 小结
参考文献
第9章 旅游路线规划问题
9.1 引言
9.2 问题描述
9.3 旅游路线规划问题的数学模型
9.4 相关算法
9.4.1 GLS（Guided Local Search）
9.4.2 GRASP（Greedy Random Adaptive Search Procedure）
9.4.3 烟花算法
9.5 蚁群算法及其分析
9.6 小结
参考文献
第10章 多目标组合优化问题
10.1 引言
10.2 多目标优化的基本概念
10.3 基于分解的多目标蚁群算法
10.3.1 MOEA/D-ACO求解MOKP
10.3.2 MOEA/D-ACO求解MTSP
10.4 与MOEA/D-GA在MOKP上的比较
10.4.1 实验条件
10.4.2 性能评价指标
10.4.3 结果比较
10.5 与BicriterionAnt在MTSP上的比较
10.5.1 实验条件
10.5.2 实验结果
10.6 小结
参考文献
附录
蚁群智能优化方法及其应用是2017年由清华大学出版社出版,作者柯良军。
得书感谢您对《蚁群智能优化方法及其应用》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
