内容分为差分进化算法(以下简称算法)的设计及应用。本书从差分进化算法基本原理、单目标差分进化算法、面向约束优化的差分进化算法、面向多目标差分进化算法、面向离散问题的差分进化算法等五个方面进行了介绍。对提出的10个算法进行了详细介绍和讨论，并给给出了实验（仿真）结果。
电子书
内容简介
本书从群智能优化算法和高维多目标优化两方面入手，一方面系统地介绍了差分进化算法的基本原理及国内外研究现状，通过分析算法的模型、关键步骤及参数设置，设计和构建了高性能的改进算法，并将其应用于医学图像处理、电子商务等实际工程领域；另一方面，深入分析了高维多目标优化算法的基本原理、国内外研究现状及关键技术难点，详细描述了基于差分进化算法的高维多目标优化算法设计、构建与实验分析，以及其在智能交通系统中的实际应用。
本书取材新颖、内容翔实、覆盖面广，案例分析具有较强的可重复性和可执行性，不仅适合于初学者，也适合自动化、计算机、信息科学等相关专业的高年级本科生和研究生、进化计算及高维多目标优化研究爱好者以及工程优化人员等。
章节目录
- 封面
- 扉页
- 版权信息
- 内容提要
- 前言
- 第1章 绪论
- 1.1 引言
- 1.2 差分进化算法研究现状
- 1.2.1 差分进化算法研究数据统计
- 1.2.2 差分进化算法理论及应用研究概况
- 参考文献
- 第2章 差分进化算法概述
- 2.1 引言
- 2.2 差分进化算法基本原理
- 2.2.1 算法原理及关键步骤
- 2.2.2 算法框架及流程
- 2.3 差分进化算法优化策略及其对算法的影响
- 2.3.1 变异策略及其对算法的影响
- 2.3.2 交叉策略及其对算法的影响
- 2.4 差分进化算法的参数分析及设置
- 2.5 差分进化算法的收敛性分析
- 2.5.1 差分进化算法的随机过程描述
- 2.5.2 差分进化算法的收敛性定义
- 2.6 本章小结
- 参考文献
- 第3章 基于分类变异策略的自适应差分进化算法
- 3.1 引言
- 3.2 基于分类策略的新变异方法
- 3.2.1 新DE变异策略DE/rand-to-best/pbest
- 3.2.2 分类策略
- 3.3 新参数自适应调整策略
- 3.4 实验测试及结果分析
- 3.4.1 测试函数选择
- 3.4.2 比较算法选择
- 3.4.3 算法比较策略及准则
- 3.4.4 算法比较结果及分析
- 3.5 本章小结
- 参考文献
- 第4章 基于DE算法的人脑PET图像目标边缘检测
- 4.1 引言
- 4.2 传统Snake模型及GVF Snake模型
- 4.3 结合p-ADE算法的GVF Snake模型实现PET图像目标边缘检测
- 4.4 实验测试及结果分析
- 4.5 本章小结
- 参考文献
- 第5章 基于DE算法的电子商务多边多议题协商
- 5.1 引言
- 5.2 基于多Agent的多边多议题协商
- 5.3 p-ADE算法在合作环境下多边多议题协商中的应用
- 5.3.1 基于p-ADE算法的多Agent协商协议
- 5.3.2 基于p-ADE算法的多Agent协商策略
- 5.4 实验测试及结果分析
- 5.5 本章小结
- 参考文献
- 第6章 基于精英策略的改进多目标自适应DE算法
- 6.1 引言
- 6.2 多目标优化问题的数学描述
- 6.3 多目标进化算法的研究现状
- 6.4 精英SDEMO算法
- 6.4.1 精英多目标进化算法模型
- 6.4.2 SDEMO算法精英选择策略改进
- 6.4.3 SDEMO算法密度估计方法改进
- 6.4.4 SDEMO算法中DE算法变异策略改进
- 6.4.5 SDEMO算法中DE算法参数自适应方法改进
- 6.4.6 SDEMO算法流程
- 6.5 实验测试及结果分析
- 6.5.1 测试函数及性能评价标准
- 6.5.2 测试结果及分析
- 6.6 本章小结
- 参考文献
- 第7章 高维多目标进化算法概述
- 7.1 引言
- 7.2 高维多目标进化算法研究进展
- 7.2.1 算法模型框架的国内外研究现状及分析
- 7.2.2 精英选择策略的国内外研究现状及分析
- 7.2.3 多目标分解的国内外研究现状及分析
- 7.3 高维多目标进化算法的标准测试函数
- 7.4 高维多目标进化算法的性能指标
- 7.4.1 收敛性评价指标
- 7.4.2 分布性评价指标
- 7.4.3 综合性评价指标
- 7.5 高维多目标进化算法关键技术
- 7.6 本章小结
- 参考文献
- 第8章 基于改进 K支配的高维多目标差分进化算法
- 8.1 引言
- 8.2 K支配关系及排序方法改进
- 8.2.1 K支配关系改进及参数确定
- 8.2.2 K支配等级排序方法改进
- 8.3 基于参考点的拥挤密度估计方法改进
- 8.4 个体适应度值评价方法改进
- 8.5 CAO局部搜索
- 8.6 实验测试及结果分析
- 8.7 本章小结
- 参考文献
- 第9章 基于全局排序的高维多目标差分进化算法
- 9.1 引言
- 9.2 高维多目标优化支配排序方法
- 9.3 全局排序高维多目标差分进化算法概述
- 9.3.1 高维多目标优化全局排序策略
- 9.3.2 高维多目标优化全局密度估计
- 9.3.3 高维多目标优化个体适应度值评价
- 9.3.4 GR-MODE算法流程
- 9.4 实验测试及结果分析
- 9.5 本章小结
- 参考文献
- 第10章 基于高维多目标优化的城市智能化动态停车诱导
- 10.1 引言
- 10.2 城市PGS
- 10.2.1 城市PGS及核心关键技术
- 10.2.2 城市PGS研究现状
- 10.3 高维多目标智能停车场及路径诱导模型
- 10.3.1 出行前静态的高维多目标停车场及路径诱导模型
- 10.3.2 出行中动态的高维多目标停车场及路径诱导模型
- 10.4 高维多目标智能停车场及路径诱导算法
- 10.4.1 基于KS-MODE算法的高维多目标智能停车场诱导算法
- 10.4.2 基于DE算法的单目标最优路径诱导算法
- 10.5 实验测试及结果分析
- 10.5.1 出行前静态停车场选择及路径诱导结果
- 10.5.2 出行中动态停车场选择及路径诱导结果
- 10.6 本章小结
- 参考文献
- 第11章 基于高维多目标优化的道路交叉口信号控制
- 11.1 引言
- 11.2 交叉口混合交通流信号控制指标
- 11.3 交叉口信号高维多目标优化智能控制模型
- 11.3.1 高维多目标优化信号控制模型建立
- 11.3.2 高维多目标优化信号控制模型求解
- 11.4 实验测试及结果分析
- 11.5 本章小结
- 参考文献
- 附录
展开全部
差分进化算法及其高维多目标优化应用是2018年由人民邮电出版社出版,作者许小可。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《差分进化算法及其高维多目标优化应用》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。
电子书
电子书
数学基础：从历年数学建模竞赛入手，解读人工智能中的数学方法。
编程实践：100余个代码实例，全面讲解网络爬虫、数据存储与数据分析等内容。
算法应用：实战案例辅以丰富图解，详尽分析人工智能算法特性及其应用场景。
电子书
本书系统讲解智能新媒体的基础知识和前沿动态。
电子书
深入浅出的深度学习入门书，从零实现AlphaGo，为AI理论和应用打下基础。
电子书
机器学习原理与实例代码，包括决策树、神经网络等11章。
电子书
涉及PowerBI所有原生组件、微软APPStore的三方组件，以及上北智信科技有限公司研发的特色组件，提供全书所有组件及案例文件，帮助读者火速上手并实际应用。
电子书
深入浅出讲述人工智能，全面、立体探讨历史、技术、应用与未来。
电子书
系统性论述智能+零售的发生、发展、未来的内外原因和逻辑结果。
