编辑推荐
本书融合智能理论和前沿技术，分享22种智能算法的起源、理论基础、基本框架和典型应用。
内容简介
智能算法是在进化计算、模糊逻辑、神经网络三个分支发展相对成熟的基础上，通过相互之间的有机融合进而形成的新的科学方法，也是智能理论和技术发展的崭新阶段。
该书对智能算法的前沿领域进行了详细论述，主要内容包括遗传算法、免疫算法、Memetic算法、粒子群算法、蚁群算法、狼群算法、人工蜂群算法、细菌觅食优化算法、分布估计算法、差分进化算法、模拟退火算法、贪心算法、雨滴算法、禁忌搜索算法、量子算法、A*算法、神经网络算法、深度学习算法、强化学习及混合智能算法。本书着重对上述领域的国内外发展现状进行总结，阐述编者对相关领域未来发展的思考。
该书可以为计算机科学、信息科学、人工智能自动化技术等领域从事自然计算、机器学习、图像处理研究的相关专业技术人员提供参考，也可以作为相关专业研究生和高年级本科生教材。
作者简介
作者尚荣华，博士，教授，博士生导师，IEEE会员，教育部重点实验室骨干成员，教育部创新团队骨干成员，国家 “111计划” 创新引智基地骨干成员，校 “智能信息处理优秀创新团队” 骨干成员。
一直致力于智能感知与自然计算、类脑计算与大数据的学习、优化与应用研究。发表论文100余篇，其中SCI检索80余篇，IEEE期刊16篇。Google Scholar引用2007次，单篇最高168次。主持了包括2项国家自然科学基金面上在内的10余项科研项目。授权国家发明专利20余项，出版专著6部。
章节目录
版权信息
内容简介
前言
第1章 遗传算法
1.1 遗传算法起源
1.1.1 遗传算法生物学基础
1.1.2 遗传算法发展历程
1.2 遗传算法实现
1.2.1 遗传算法流程
1.2.2 重要参数
1.3 基于遗传算法的组合优化
1.3.1 基于遗传算法的TTP问题
1.3.2 基于遗传算法的旅行商问题
1.3.3 基于遗传算法的0-1规划
1.4 基于遗传算法的图像处理
1.4.1 基于遗传算法的图像分割
1.4.2 基于遗传算法的图像增强
1.4.3 基于遗传算法的图像变化检测
1.5 基于遗传算法的社区检测
1.5.1 多目标遗传算法
1.5.2 遗传编码
1.5.3 Pareto最优解
参考文献
第2章 免疫算法
2.1 生物免疫系统与人工免疫系统
2.2 免疫算法实现
2.2.1 克隆选择算法
2.2.2 人工免疫系统模型
2.3 基于免疫算法的聚类分析
2.3.1 聚类问题
2.3.2 免疫进化方法
2.4 基于免疫算法的限量弧路由问题
2.4.1 限量弧路由问题模型
2.4.2 基于免疫协同进化的限量弧路由问题
参考文献
第3章 Memetic算法
3.1 Memetic算法发展历程
3.2 Memetic算法实现
3.2.1 Memetic算法流程
3.2.2 Memetic算法改进
3.2.3 Memetic算法研究分类
3.3 基于Memetic算法的社区检测
3.3.1 多目标Memetic优化算法
3.3.2 局部搜索
3.4 基于Memetic算法的限量弧路由问题
3.4.1 路由距离分组
3.4.2 子问题解的更替
3.4.3 基于分解的Memetic算法
参考文献
第4章 粒子群算法
4.1 粒子群算法起源
4.1.1 粒子群算法生物学基础
4.1.2 粒子群算法发展历程
4.2 粒子群算法实现
4.2.1 基本粒子群算法
4.2.2 改进粒子群算法
4.3 基于粒子群算法的图像处理
4.3.1 基于粒子群算法的图像分割
4.3.2 基于粒子群算法的图像分类
4.3.3 基于粒子群算法的图像匹配
4.4 基于粒子群算法的优化问题
4.4.1 基于粒子群算法的旅行商问题
4.4.2 基于粒子群算法的配送中心选址问题
4.4.3 基于粒子群算法的函数优化
参考文献
第5章 蚁群算法
5.1 蚁群算法起源
5.1.1 蚁群算法生物学基础
5.1.2 蚁群算法发展历程
5.2 蚁群算法实现
5.2.1 蚁群算法流程
5.2.2 离散域和连续域蚁群算法
5.3 基于蚁群算法的路径规划
5.3.1 蚁群算法的路径规划中的优势
5.3.2 算法描述以及实现
5.3.3 全局路径规划方法
5.4 基于蚁群算法的社区检测
5.4.1 多目标蚁群算法
5.4.2 社区检测问题的改进
参考文献
第6章 狼群算法
6.1 狼群算法起源
6.1.1 狼群算法生物学基础
6.1.2 狼群算法发展历程
6.2 狼群算法实现
6.2.1 狼群算法中的智能行为定义
6.2.2 狼群算法流程
6.3 基于狼群算法的函数求解
6.3.1 数学模型
6.3.2 函数优化问题
6.4 基于狼群算法的优化调度问题
6.4.1 基于狼群算法的电网调度优化
6.4.2 基于狼群算法的水电站优化调度
参考文献
第7章 人工蜂群算法
7.1 人工蜂群算法起源
7.1.1 人工蜂群算法生物学基础
7.1.2 人工蜂群算法发展历程
7.2 人工蜂群算法实现
7.2.1 人工蜂群算法流程
7.2.2 混合人工蜂群算法
7.3 基于人工蜂群算法的函数优化
7.3.1 基于人工蜂群算法的多目标优化问题
7.3.2 基于人工蜂群算法的动态优化
7.4 基于人工蜂群算法的图像处理
7.4.1 基于人工蜂群算法的图像增强
7.4.2 基于人工蜂群算法的图像分割
7.4.3 基于人工蜂群算法的图像融合
参考文献
第8章 细菌觅食优化算法
8.1 细菌觅食优化算法起源
8.1.1 细菌觅食优化算法生物学基础
8.1.2 细菌觅食优化算法发展历程
8.2 细菌觅食优化算法实现
8.2.1 细菌觅食优化算法的操作步骤
8.2.2 细菌觅食算法的流程
8.3 基于细菌觅食算法的图像匹配
8.3.1 自适应步长
8.3.2 最优解逃逸
8.4 基于细菌觅食算法的聚类问题
8.4.1 改进趋化操作
8.4.2 改进复制操作
8.4.3 改进迁徙操作
参考文献
第9章 分布估计算法
9.1 分布估计算法起源
9.1.1 分布估计算法统计学原理
9.1.2 分布估计算法发展历程
9.2 分布估计算法实现
9.2.1 分布估计算法流程
9.2.2 分布估计算法改进
9.3 基于分布估计算法的收敛性分析及多目标优化问题
9.3.1 收敛性分析
9.3.2 多分布估计算法
9.4 基于分布估计算法的调度问题
9.4.1 基于分布估计算法的柔性车间调度
9.4.2 基于分布估计算法的资源受限项目调度
参考文献
第10章 差分进化算法
10.1 差分进化算法与遗传算法
10.1.1 遗传算法流程
10.1.2 差分进化算法流程
10.1.3 差分进化算法与遗传算法的比较
10.2 差分进化算法实现
10.2.1 差分进化算法主要参数
10.2.2 差分进化算法流程
10.3 基于差分进化算法的多目标优化问题
10.3.1 混合差分进化处理多目标优化问题
10.3.2 自适应差分进化处理多目标优化问题
10.4 基于差分进化算法的调度问题
10.4.1 基于差分进化算法的置换流水线调度
10.4.2 基于差分进化算法的有限缓冲区调度
10.4.3 基于差分进化算法的作业车间调度
参考文献
第11章 模拟退火算法
11.1 模拟退火算法起源
11.1.1 固体退火原理
11.1.2 模拟退火算法发展历程
11.2 模拟退火算法实现
11.2.1 模拟退火算法基本思想
11.2.2 模拟退火算法流程
11.3 基于模拟退火算法的超大规模集成电路研究
11.3.1 集成电路布线
11.3.2 优化目标
11.4 基于模拟退火算法的图像处理
11.4.1 基于模拟退火算法的图像复原
11.4.2 基于模拟退火算法的图像去噪
11.4.3 基于模拟退火算法的图像分割
11.5 基于模拟退火算法的组合优化
11.5.1 基于模拟退火算法的0-1背包问题
11.5.2 基于模拟退火算法的图着色问题
11.5.3 基于模拟退火算法的旅行商问题
参考文献
第12章 贪心算法
12.1 从背包问题了解贪心算法
12.2 贪心算法实现
12.2.1 局部最优解概念
12.2.2 贪心算法流程
12.3 基于贪心算法的组合优化
12.3.1 基于贪心算法的背包问题
12.3.2 基于贪心算法的旅行商问题
参考文献
第13章 雨滴算法
13.1 自然降雨现象启发下的雨滴算法
13.2 雨滴算法理论基础
13.3 基于雨滴算法的多目标优化问题
13.3.1 基于雨滴算法的多目标应急物资路径优化
13.3.2 基于雨滴算法的混合时间窗车辆路径问题
参考文献
第14章 禁忌搜索算法
14.1 禁忌搜索算法起源
14.1.1 禁忌搜索算法发展历程
14.1.2 禁忌搜索算法基本思想
14.2 禁忌搜索算法实现
14.2.1 禁忌搜索算法构成要素
14.2.2 禁忌搜索算法流程
14.3 基于禁忌搜索的飞蜂窝网络频谱分配方法
14.3.1 算法主要思想及流程
14.3.2 算法实现具体步骤
14.3.3 实验分析
参考文献
第15章 量子搜索与优化
15.1 量子计算原理
15.1.1 状态的叠加
15.1.2 状态的相干
15.1.3 状态的纠缠
15.1.4 量子并行性
15.2 量子计算智能的几种模型
15.2.1 量子人工神经网络
15.2.2 基于量子染色体的进化算法
15.2.3 基于量子特性的优化算法
15.2.4 量子聚类算法
15.2.5 量子模式识别算法
15.2.6 量子小波与小波包算法
15.2.7 量子退火算法
15.3 量子进化算法
15.3.1 基于量子旋转门的进化算法
15.3.2 基于吸引子的进化算法
参考文献
第16章 量子粒子群优化
16.1 量子行为粒子群算法
16.1.1 思想来源
16.1.2 δ势阱模型
16.1.3 算法流程
16.2 协同量子粒子群优化
16.2.1 协同量子粒子群算法
16.2.2 改进的协同量子粒子群算法
16.2.3 实验结果及分析
16.3 基于多次坍塌-正交交叉的量子粒子群优化
16.3.1 量子多次坍塌
16.3.2 正交交叉实验简介
16.3.3 多次坍塌-正交交叉的量子粒子群算法
16.3.4 实验及分析
参考文献
第17章 最小二乘法
17.1 最小二乘法数学基础
17.2 最小二乘法流程
17.3 最小二乘法在机器学习中的应用
参考文献
第18章 A*算法
18.1 最短路径搜索
18.2 A*算法实现
18.2.1 A*算法原理
18.2.2 A*算法简单案例
18.3 A*算法的优势与缺陷
参考文献
第19章 神经网络算法
19.1 神经网络算法起源
19.1.1 脑神经元学说
19.1.2 神经网络算法发展历程
19.2 神经网络算法实现
19.2.1 神经网络构成要素
19.2.2 典型神经网络结构
19.3 基于神经网络算法的图像处理
19.3.1 基于神经网络算法的图像分割
19.3.2 基于神经网络算法的图像修复
19.3.3 基于神经网络算法的目标检测与识别
19.4 基于神经网络算法的预测控制
19.4.1 基于神经网络算法的预测模型
19.4.2 神经网络预测控制中的滚动优化
参考文献
第20章 深度学习算法
20.1 深度学习算法与神经网络
20.2 深度学习算法实现
20.2.1 深度概念
20.2.2 深度学习算法基本思想
20.2.3 深度模型优化
20.3 基于深度学习算法的计算机视觉
20.3.1 基于深度学习算法的人脸识别
20.3.2 基于深度学习算法的目标跟踪
20.4 基于深度学习算法的语音识别
20.4.1 基于深度学习算法的声学模型
20.4.2 基于深度学习算法的语言模型
参考文献
第21章 强化学习
21.1 强化学习模型
21.1.1 强化学习思路
21.1.2 基于马尔可夫决策过程的强化学习
21.2 逆向强化学习
21.2.1 最大边际规划
21.2.2 基于最大信息熵的逆向强化学习
21.3 基于多尺度FCN-CRF网络和强化学习的高分辨SAR图像语义分割
21.3.1 深度强化学习
21.3.2 SAR图像语义分割动态调优策略
21.3.3 算法实现
21.3.4 实验结果
参考文献
第22章 混合智能算法
22.1 粒子群深度网络模型及学习算法
22.1.1 PSO自编码网络
22.1.2 自适应PSO自编码网络
22.1.3 模拟退火PSO算法自编码网络
22.1.4 实验与分析
22.2 混沌模拟退火深度网络模型及学习算法
22.2.1 混沌模拟退火深度网络学习算法
22.2.2 混沌模拟退火自编码网络
22.2.3 混沌模拟退火深度小波网络
22.2.4 实验与分析
参考文献
智能算法导论是2021年由清华大学出版社出版,作者尚荣华。
得书感谢您对《智能算法导论》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。
