作者：徐俊杰
页数：136
出版社：中国科学技术大学出版社
出版日期：2015
ISBN：9787312036545
电子书格式：pdf/epub/txt
内容简介
元启发式优化算法通过模拟自然现象为解决复杂问题提供了崭新的思路和手段。
本书主要介绍两类元启发式优化算法：第一类是群体智能算法，包括蚁群优化和粒子群优化两种仿生算法；第二类是微正则退火算法，它借鉴物理学相关原理，改进了传统模拟退火机制。借助仿真手段，本书着重研究了上述元启发式优化算法的若干改进策略及应用，主要内容涉及元启发式优化算法的产生背景及相关概念，蚁群优化与粒子群优化的研究现状、基本算法及改进方法，微正则退火算法的原理、改进策略及应用实例，基于增强型参考位置的粒子群优化算法，基于共享适应值的小生境粒子群优化算法，两阶段粒子群优化算法等。
本书内容取材新颖，面向应用，通过翔实的仿真数据，介绍了各个算法的参数控制和运算过程，为读者利用该算法解决实际问题提供有益启示。
作者简介
徐俊杰，男，1980年生，工学博士，安庆师范学院经济与管理学院副教授，硕士生导师，中国物流学会特约研究员。研究领域包括智能优化算法、物流系统优化、电子商务与信息化等，近年来主持或参与近10项科研项目，发表学术论文40余篇。
目录
前言第1章 绪论1.1 引言1.2 国内外研究概况1.3 本书的研究内容
第2章 元启发式算法的相关概念2.1 最优化问题及其分类2.2 局部最优与全局最优2.3 计算复杂性2.4 启发式算法2.5 元启发式算法的优化模式2.6 优化算法的评价
第3章 蚁群优化3.1 生物背景3.2 蚁群优化模型3.3 基本算法：蚂蚁系统3.4 其他算法3.5 处理连续问题3.6 收敛性分析3.7 应用概述3.8 小结第4章 粒子群优化4.1 生物背景4.2 粒子群优化模型4.3 基本算法4.4 两种参数配置方式4.5 受关注的若干改进4.6 处理离散问题4.7 应用概述4.8 小结第5章 微正则退火算法及其应用5.1 微正则退火算法5.2 TSP实例仿真5.3 三种改进策略5.4 基于微正则退火的频率分配方法5.5 小结第6章 增强型参考位置的粒子群优化模型6.1 模型描述6.2 测试函数6.3 确定性的参数配置6.4 具有随机扰动的参数配置6.5 小结第7章 共享适应值的小生境粒子群优化7.1 小生境在遗传算法中的应用7.1.1 排挤小生境模型7.2 小生境在粒子群优化中应用7.3 ShPSO模型7.4 实验结果分析7.5 小结第8章 基于两阶段策略的粒子群优化8.1 两阶段策略设计8.2 实验设计8.3 实验结果8.4 小结附录1 TSP实例的节点坐标附录2 核心源程序参考文献
第2章 元启发式算法的相关概念2.1 最优化问题及其分类2.2 局部最优与全局最优2.3 计算复杂性2.4 启发式算法2.5 元启发式算法的优化模式2.6 优化算法的评价
第3章 蚁群优化3.1 生物背景3.2 蚁群优化模型3.3 基本算法：蚂蚁系统3.4 其他算法3.5 处理连续问题3.6 收敛性分析3.7 应用概述3.8 小结第4章 粒子群优化4.1 生物背景4.2 粒子群优化模型4.3 基本算法4.4 两种参数配置方式4.5 受关注的若干改进4.6 处理离散问题4.7 应用概述4.8 小结第5章 微正则退火算法及其应用5.1 微正则退火算法5.2 TSP实例仿真5.3 三种改进策略5.4 基于微正则退火的频率分配方法5.5 小结第6章 增强型参考位置的粒子群优化模型6.1 模型描述6.2 测试函数6.3 确定性的参数配置6.4 具有随机扰动的参数配置6.5 小结第7章 共享适应值的小生境粒子群优化7.1 小生境在遗传算法中的应用7.1.1 排挤小生境模型7.2 小生境在粒子群优化中应用7.3 ShPSO模型7.4 实验结果分析7.5 小结第8章 基于两阶段策略的粒子群优化8.1 两阶段策略设计8.2 实验设计8.3 实验结果8.4 小结附录1 TSP实例的节点坐标附录2 核心源程序参考文献
