TOP
紅利積點抵現金,消費購書更貼心
智能算法原理與實現:群智能優化算法(簡體書)
滿額折
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)
智能算法原理與實現:群智能優化算法(簡體書)

智能算法原理與實現:群智能優化算法(簡體書)

商品資訊

人民幣定價:129 元
定價
:NT$ 774 元
優惠價
87673
庫存:3
下單可得紅利積點:20 點
商品簡介
作者簡介
名人/編輯推薦
目次

商品簡介

本書內容包括模擬自然界中生物和動物的覓食行為、尋偶行為、交配行為、遷徙策略、狩獵策略等過程中蘊含的優化機制和群體智能行為,原創的106種群智能優化算法。這些生物和動物有分布在廣袤土地上螞蟻、蜜蜂、螢火蟲、蝴蝶、蜻蜓、蜘蛛、天牛、瓢蟲等多種昆蟲,有浩瀚海洋中的麟蝦、被囊群、水母、口孵魚、海豚、鯨魚等多種魚類,有茂密森林草原中的猴群、蜜獾、耳廓狐、金豺、狼群、獅子、大象、大猩猩等,有翱翔在空中的鳥類、鴿子、海鷗 、烏燕鷗、大雁、雄鷹等,有北冰洋的企鵝、北極熊等,還有侵入人體極其微小的細菌、病毒等。自然界大量的微生物、昆蟲和動物的群體智能行為正在不斷地啟發人們設計出更多更新的群智能優化算法。本書取材廣泛、內容新穎、撰寫由淺入深、啟迪創新思維,可供智能科學、人工智能、自動化、計算機科學、信息科學、系統科學、經濟管理等相關領域的高校師生、研究人員及工程技術人員學習參考。

作者簡介

李士勇 哈爾濱工業大學二級教授、博士生導師,哈工大教學名師,黑龍江省優秀專家。科研和教學成果獲國家級獎2項、省部級獎7項。在智能自動化領域已出版18部著作。作為國內最早開展模糊控制(於1986年)和智能控制(於1988年)的教學及科研工作的開拓者,在智能控制方面,百萬字的代表作《模糊控制· 神經控制和智能控制論》獲1999年“全國優秀科技圖書獎”暨“科技進步獎(科技著作)三等獎”,曾躋身於十大領域中國科技論文引用頻次最高的前50部專著與譯著排行榜。在智能優化方面,著有《蟻群算法及其應用》《量子計算與量子優化算法》《智能優化算法原理與應用》《智能優化算法與涌現計算》。在智能制導方面,著有《智能制導——尋的導彈智能自適應導引律》(國家出版基金資助項目)。在複雜系統方面,著有《非線性科學與複雜性科學》等。

名人/編輯推薦

智能算法正在成為對複雜系統問題建模、預測、識別、分類、決策、診斷及優化求解的強有力工具,已經成為生成式通用人工智能系統研究的前沿領域。群智能優化算法作為智能算法的重要組成部分,它是一種基於生物群體智能行為的啟發式搜索算法,通過利用群體中個體間的信息交互和協同來實現對缺乏精確模型的複雜系統問題優化求解。群智能優化算法其概念及原理必將在推動大模型、隱私計算、具身智能等領域的發展中發揮日益重要的作用。本書系統介紹了106種原創的群智能優化算法,具有取材廣泛,內容新穎,啟迪讀者創新思維、可讀性好的特點,對於智能優化領域的教學、科研及開發人員具有很高的參考價值。


智能計算和智能優化正在成為新一代人工智能科學與技術革命中最活躍的前沿領域。為了及時反映國內外大量原創智能優化算法的研究成果,本書作者出版了《智能優化算法與涌現計算》(清華大學出版社,ISBN 9787302517429),優選了106種原創智能算法,全書600余頁; 2022年出版了第2版(清華大學出版社,ISBN 9787302603993),共包括159種智能算法,全書近850頁……但一本書難以承載太多的內容。

為什麼新算法像雨後春筍般涌現出來呢?1997年Wolperthe Macready在研究最優理論時,在IEEE Transactions on Evolutionary Computation上發表了論文No Free Lunch Theorems for Optimization,稱無免費午餐定理,又稱NFL定理。通俗地講,沒有一種算法能夠在所有優化問題的性能上都優於其他算法。因此,NFL定理就激勵著廣大科研人員設計、創造出更多的智能優化算法,以滿足人們對科學、工程、經濟、管理等更複雜的優化問題的迫切需要。

從人工智能到計算智能,再到智能計算

人工智能(Artificial Intelligence,AI)的研究始於1956年,由年輕的美國學者麥卡錫(McCrthay)、明斯基(Minsky)、洛徹斯特(Lochester)和香農(Shannon)共同發起,邀請了莫爾(More)、塞繆爾(Samuel)、紐維爾(Newell)及西蒙(Simon)等在美國達特茅斯大學舉辦。這一關於用機器模擬人類智能問題的長達2個月的研討會,開啟了人工智能研究的先河。人類的智能主要表現在人腦的思維功能及人在和環境交互過程中的適應行為、學習行為、意識的能動性等。在對人工智能的長期研究過程中,逐漸形成了用機器模擬人類智能的符號主義、聯結主義、行為主義。

計算智能(Computational Intelligence,CI)的研究始於1994年,IEEE在美國佛羅裡達舉辦了模糊系統、神經網絡和進化計算的首屆計算智能大會,掀起了用計算機模擬生命、模擬自然等的計算智能研究熱潮。計算智能是指用計算機通過某些優化算法來模擬生物及自然中蘊含的適應、進化、優化機制而體現出的智能。這種智能是在優化算法的執行計算過程及優化結果中表現出來的,即這種智能是靠算法計算出來的,故稱為計算智能,因此這種優化算法也稱為計算智能優化算法。計算是靠軟件實現的,被扎德稱為軟計算。

人工智能和計算智能是兩個密切相關又有區別的概念。它們都是用計算機模擬智能行為; 但是,人工智能側重於模擬人類的智能行為,問題求解是傳統人工智能的核心問題; 計算智能著重模擬生物、動植物、自然現象和自然系統等群體中蘊含的適應、進化、優化、靈性、智能性,問題優化是計算智能的核心問題。

智能計算(Intelligent Computing,IC)研究的重要標志性成果是始於2016年推出的AI圍棋程序AlphaGo和AlphaZero,隨著AlphaGo和AlphaZero相繼戰勝世界圍棋大師,AI浪潮的發展被推向全新的高度; 另一個重要的標志性成果是大型預訓練模型的出現,2022年,美國Open AI研發的聊天機器人程序ChatGPT,其中最具代表性的是自然語言處理模型GPT3,其所具有的高度結構複雜性和應用大量參數的大模型可以提高深度學習的性能。

科學家們從解決複雜的科學和社會問題的角度提出了智能計算的新定義: “智能計算是支撐萬物互聯的數字文明時代新的計算理論方法、架構體系和技術能力的總稱。智能計算根據具體的實際需求,以最小的代價完成計算任務,匹配足夠的計算能力,調用最好的算法,獲得最優的結果。”從智能方面要求: 在更高智能層次上,包括理解、表達、抽象、推理、創造和反思等模擬人腦和群體的智能。從計算方面要求: 計算機的智能要成為通用智能。通用智能以硅基設施為載體,將由個體和群體計算設備產生的生物智能移植到計算機上的數據智能、感知智能、認知智能和自主智能。在智能計算的理論體系中,人類的智能是智能的源泉,計算機智能是人類智能的賦能,稱為通用智能。

智能優化算法的產生、種類及特點

基於精確模型的傳統優化算法,當優化問題缺乏精確數學模型時,其應用就受到極大限制。然而,人們從自然界的各種植物、動物的生長、競爭過程中,以及各種自然現象生生不息、周而復始的變化中,發現了許多隱含在其中的信息存儲、處理、適應、組織、進化的機制,其中蘊含著優化的機理。於是,人們從中獲得了優化思想的設計靈感。

霍蘭(Holland)創立的遺傳算法奠定了智能優化算法的重要基礎。義大利多利戈(Dorigo)博士1991年提出的模擬蟻群覓食行為的蟻群優化算法開辟了群智能優化算法的先河。1995年提出的模擬鳥類飛行覓食行為的粒子群優化算法進一步豐富了群智能優化算法的內涵,極大地推動了智能優化算法開發的速度、深度和廣度。

近半個世紀以來,科學工作者提出了數以百計的不依賴被優化問題數學模型的優化算法,被稱為元啟發式算法、仿生計算、自然計算等。這些優化算法中有些在一定程度上模擬人的智能行為,有些模擬自然界中某些動物、植物生存過程的適應性、靈性、智能性,本書將它們統稱為智能優化算法。

國內外有關智能優化算法尚沒有統一的分類標準。本書的分類是基於以下的基本原則: 按照優化算法所模擬的主體的智能性、生物屬性、自然屬性來歸類。從生物層面劃分,包括人類、動物、植物、微生物等。人類區別於其他動物的本質特徵在於人有高度發達的大腦,是自然界智能水平最高的生命體。因此,把模擬人、人體系統、組織,人類社會、組織機構乃至國家等智能行為的相關優化算法歸為智能計算和仿人智能優化算法。

根據作者上述的分類思想,將智能計算和優化算法劃分為如下五大類。

(1) 智能計算與仿人優化算法: 模擬人腦思維、認知行為、人體系統、組織、細胞、基因等及人類社會進化、企業管理、團體競爭等過程中的智能行為。

(2) 進化算法: 模擬生物生殖、繁衍過程中的遺傳、變異、競爭、優勝劣汰的進化行為。

(3) 群智能優化算法: 模擬群居昆蟲、動物覓食、繁殖、捕獵、搜索策略的群智能行為。

(4) 植物生長算法: 模擬花、草、樹的向光性、根吸水性、種子繁殖、花朵授粉、雜草生長等的適應行為。

(5) 自然計算: 模擬風、雨、云,基於數學、物理、化學定律,混沌現象、分形等的仿自然優化算法。

智能優化算法和傳統的優化算法相比,智能優化算法主要具有如下優點。

(1) 不需要優化問題的精確數學模型。

(2) 一種智能優化算法往往可以用於多種問題求解,具有較好的通用性。

(3) 採用啟發式規則和隨機搜索能夠獲得全局最優解或準最優解,具有全局性。

(4) 適用於不同初始條件下的尋優,具有適應性。

(5) 群智能優化算法更適合於複雜大型系統問題的並行求解,具有並行性。

(6) 智能優化算法一般比傳統優化算法的效率更高、速度更快。

智能算法原理與實現: 群智能優化算法

在自然界中,地上、地下、空中、水中、森林中、草原上分布著多種生物和動物,如昆蟲、鳥類、魚類、狼、獅子等。這些生物和動物群體都是由一些相對簡單、低級智能的昆蟲或動物的個體組成,大量個體在群體活動中的聚集、協同、適應等行為表現出了個體所不具有的較高級的群體智能行為,這種智能行為稱為群體智能、群集智能、群聚智能,統稱為群智能。

群智能優化算法是模擬自然界中的群居生物和動物在覓食、求偶、繁殖、遷徙、狩獵等過程中的群體智能行為及其蘊含的優化機制,實現對問題求解的一大類智能優化算法的統稱。

近年來,不斷涌現出的群智能優化新算法在智能優化算法中占有絕大部分。因此,本書介紹了精選的106種群智能優化算法,具有取材寬廣、內容豐富新穎、多學科交叉融合、啟迪創新思維等特點。

致謝

在本書的編寫中,引用了原創算法作者發表的論文,還參考了國內外相關算法研究的重要文獻及有價值的學位論文。為便於讀者查閱,將這些主要論文一並列入本書的參考文獻。在此,對被引用文獻的作者表示衷心的感謝!

參加本書編寫、提供素材或提供多種幫助的有宋申民、張秀杰、寧永臣、班曉軍、李盼池、左興權、黃金杰、袁麗英、趙寶江、柏繼云、李浩、張逸達、王振楊、黃忠報、李世宏、欒秀春、章錢、郭成、郭玉、楊丹、張恒、徐保華等。

本書的出版始終得到清華大學出版社的大力支持,在此表示由衷的感謝!

編寫這樣一套全面反映智能算法原理與實現的原創性成果的專著,不僅篇幅大,而且內容涉及自然科學、社會科學和哲學等幾乎所有學科門類,受編著者知識面所限,書中內容難免存在不足之處,懇請廣大讀者給予指正!


李士勇
2024年12月
於哈爾濱工業大學

目次

第1章蟻群優化算法

1.1蟻群優化算法的提出

1.2螞蟻的習性及覓食行為

1.3蟻群覓食策略的優化原理

1.4蟻群優化算法的原型——螞蟻系統
模型的描述

1.5基本蟻群優化算法的流程

第2章蟻獅優化算法

2.1蟻獅優化算法的提出

2.2蟻獅的狩獵行為

2.3蟻獅優化算法的原理

2.4蟻獅優化算法的數學描述

2.5蟻獅優化算法的實現

第3章粒子群優化算法

3.1粒子群優化算法的提出

3.2粒子群優化算法的基本原理

3.3粒子群優化算法的描述

3.4粒子群優化算法的實現步驟及流程

3.5粒子群優化算法的特點及其改進

第4章人工蜂群算法

4.1人工蜂群算法的提出

4.2人工蜂群算法的基本原理

4.3人工蜂群算法的數學描述

4.4人工蜂群算法的實現步驟與流程

第5章蜜蜂交配優化算法

5.1蜜蜂交配優化算法的提出

5.2蜂群競爭繁殖過程的優化機制

5.3蜜蜂交配優化算法的數學描述

5.4蜜蜂交配優化算法的實現步驟
及流程

第6章適應度依賴優化算法

6.1適應度依賴優化算法的提出

6.2適應度依賴優化的基本原理

6.3適應度依賴優化算法的數學描述

6.4具有單一目標優化的FDO問題

6.5適應度依賴優化的實現步驟
及偽代碼

第7章螢火蟲群優化算法

7.1螢火蟲群優化算法的提出

7.2螢火蟲閃光的特點及功能

7.3螢火蟲群優化算法的數學描述

7.4螢火蟲群優化算法的實現步驟
及流程

第8章螢火蟲算法

8.1螢火蟲算法的提出

8.2螢火蟲算法的基本思想

8.3螢火蟲算法的數學描述

8.4螢火蟲算法的實現步驟及流程

第9章果蠅優化算法

9.1果蠅優化算法的提出

9.2果蠅的生物價值及覓食行為

9.3果蠅優化算法的基本原理

9.4果蠅優化算法的數學描述

9.5果蠅優化算法的實現步驟及流程

第10章蝴蝶算法

10.1蝴蝶算法的提出

10.2蝴蝶的生活習性

10.3蝴蝶算法的優化原理

10.4蝴蝶算法的數學描述

10.5蝴蝶算法的實現步驟

第11章蝴蝶交配優化算法

11.1蝴蝶交配優化算法的提出

11.2蝴蝶的生活習性

11.3BMO算法的機理

11.4BMO算法的數學描述

11.5BMO算法的偽代碼實現

第12章蝴蝶優化算法

12.1蝴蝶優化算法的提出

12.2蝴蝶的生活習性

12.3蝴蝶算法的優化原理

12.4BOA的數學描述

12.5BOA的實現步驟及偽代碼

第13章帝王蝶優化算法

13.1帝王蝶優化算法的提出

13.2帝王蝶的特徵及習性

13.3帝王蝶優化算法的優化原理

13.4帝王蝶優化算法的數學描述

13.5帝王蝶優化算法實現的過程及
流程

第14章蜻蜓算法

14.1蜻蜓算法的提出

14.2蜻蜓的生活習性

14.3DA的優化原理

14.4DA的數學描述

14.5單目標及多目標DA的實現步驟及
偽代碼

第15章蜉蝣優化算法

15.1蜉蝣優化算法的提出

15.2蜉蝣的習性及其交配行為

15.3蜉蝣優化算法的優化原理

15.4單目標蜉蝣優化算法的數學描述

15.5單目標蜉蝣優化算法的偽代碼
實現

15.6多目標蜉蝣優化算法的偽代碼
實現

第16章蚱蜢優化算法

16.1蚱蜢優化算法的提出

16.2蚱蜢的習性

16.3蚱蜢優化算法的優化原理

16.4蚱蜢優化算法的數學描述

16.5蚱蜢優化算法的實現步驟及
偽代碼

第17章飛蛾撲火優化算法

17.1飛蛾撲火優化算法的提出

17.2飛蛾的橫向導航方法

17.3飛蛾撲火的原理

17.4飛蛾撲火優化算法的數學描述

17.5飛蛾撲火優化算法的偽代碼實現

第18章蛾群算法

18.1蛾群算法的提出

18.2飛蛾的生活習性及趨光性

18.3蛾群算法的數學描述

18.4蛾群算法的實現步驟

第19章群居蜘蛛優化算法

19.1群居蜘蛛優化算法的提出

19.2蜘蛛的習性與特徵

19.3群居蜘蛛優化算法的基本思想

19.4群居蜘蛛優化算法的數學描述

19.5蜘蛛優化算法的實現步驟及流程

第20章黑寡婦優化算法

20.1黑寡婦優化算法的提出

20.2黑寡婦蜘蛛繁殖方式和同類相食
行為

20.3黑寡婦優化算法的優化原理

20.4黑寡婦優化算法的數學描述

20.5黑寡婦優化算法的實現步驟、
偽代碼及流程

第21章蟑螂優化算法

21.1蟑螂優化算法的提出

21.2蟑螂的習性

21.3蟑螂優化算法的優化原理

21.4蟑螂優化算法的數學描述

21.5蟑螂優化算法的實現步驟

第22章天牛須搜索算法

22.1天牛須搜索算法的提出

22.2天牛的習性及天牛須的功能

22.3天牛須搜索算法的優化原理

22.4天牛須搜索算法的數學描述

22.5天牛須搜索算法的實現步驟及流程

第23章七星瓢蟲優化算法

23.1七星瓢蟲優化算法的提出

23.2七星瓢蟲捕食的優化原理

23.3七星瓢蟲優化算法的數學描述及
實現步驟

23.4七星瓢蟲優化算法的實現流程

第24章蚯蚓優化算法

24.1蚯蚓優化算法的提出

24.2蚯蚓的生活習性

24.3蚯蚓優化算法的基本思想

24.4蚯蚓優化算法的數學描述

24.5蚯蚓優化算法的實現及流程

第25章變色龍群算法

25.1變色龍群算法的提出

25.2變色龍的特徵及習性

25.3變色龍群算法的優化原理

25.4變色龍群算法的數學模型

25.5變色龍群算法的偽代碼實現

第26章布谷鳥搜索算法

26.1布谷鳥搜索算法的提出

26.2布谷鳥的繁殖行為與Levy飛行

26.3布谷鳥搜索算法的原理

26.4布谷鳥搜索算法的數學描述

26.5布谷鳥搜索算法的實現步驟及流程

第27章候鳥優化算法

27.1候鳥優化算法的提出

27.2候鳥V字形編隊飛行的優化原理

27.3候鳥優化算法的描述

27.4候鳥優化算法的實現步驟及流程

27.5候鳥優化算法的特點及參數分析

第28章雁群優化算法

28.1雁群優化算法的提出

28.2雁群飛行規則及其假設

28.3雁群優化算法的基本思想

28.4雁群優化算法的數學描述

28.5雁群優化算法的實現步驟及流程

第29章燕群優化算法

29.1燕群優化算法的提出

29.2燕子的生活習性及覓食行為

29.3燕群優化算法的優化原理

29.4燕群優化算法的數學描述

29.5燕群優化算法的實現步驟及偽代碼

第30章麻雀搜索算法

30.1麻雀搜索算法的提出

30.2麻雀的生活習性

30.3麻雀搜索算法的優化原理

30.4麻雀搜索算法中的假設規則

30.5麻雀搜索算法的數學描述

30.6麻雀搜索算法的偽代碼實現

第31章鴿群優化算法

31.1鴿群優化算法的提出

31.2鴿子自主歸巢導航的優化原理

31.3鴿群優化算法的數學描述

31.4鴿群優化算法的實現步驟及流程

第32章鳥群算法

32.1鳥群算法的提出

32.2鳥群覓食、警惕和飛行行為規則

32.3鳥群算法的數學描述

32.4鳥群算法的偽代碼描述及流程

第33章希區柯克鳥啟發算法

33.1希區柯克鳥啟發算法的提出

33.2希區柯克鳥的攻擊行為

33.3希區柯克鳥啟發算法的優化原理

33.4希區柯克鳥啟發算法的數學描述

33.5希區柯克鳥啟發算法的實現步驟
及偽代碼

第34章烏鴉搜索算法

34.1烏鴉搜索算法的提出

34.2烏鴉的生活習性

34.3烏鴉搜索算法的優化原理

34.4烏鴉搜索算法的數學描述

34.5烏鴉搜索算法的實現步驟及流程

第35章緞藍園丁鳥優化算法

35.1緞藍園丁鳥優化算法的提出

35.2緞藍園丁鳥的習性及求偶機制

35.3緞藍園丁鳥優化算法的數學描述

35.4緞藍園丁鳥優化算法的實現

第36章孔雀優化算法

36.1孔雀優化算法的提出

36.2孔雀的生活習性

36.3孔雀優化算法的優化機制

36.4孔雀優化算法的數學描述

36.5孔雀優化算法的偽代碼實現

第37章哈裡斯鷹優化算法

37.1哈裡斯鷹優化算法的提出

37.2哈裡斯鷹的習性及覓食策略

37.3哈裡斯鷹優化算法的數學描述

37.4哈裡斯鷹優化算法的實現

第38章禿鷹搜索算法

38.1禿鷹搜索算法的提出

38.2禿鷹的習性及其狩獵策略的優化
機制

38.3禿鷹搜索算法的數學描述

38.4禿鷹搜索算法的偽代碼實現

第39章非洲禿鷲優化算法

39.1非洲禿鷲優化算法的提出

39.2非洲禿鷲的特徵及覓食行為

39.3非洲禿鷲優化算法的優化原理

39.4非洲禿鷲優化算法的數學描述

39.5非洲禿鷲優化算法的偽代碼描述
及流程

第40章天鷹優化算法

40.1天鷹優化算法的提出

40.2天鷹優化算法的優化原理

40.3天鷹優化算法的數學描述

40.4天鷹優化算法的實現流程

第41章北蒼鷹優化算法

41.1北蒼鷹優化算法的提出

41.2北蒼鷹的習性和狩獵策略

41.3北蒼鷹優化算法的數學描述

41.4北蒼鷹優化算法的偽代碼及實現
流程

第42章金鷹優化算法

42.1金鷹優化算法的提出

42.2金鷹的習性

42.3金鷹優化算法的基本原理

42.4金鷹優化算法的數學描述

42.5金鷹優化算法的實現步驟

第43章蝙蝠算法

43.1蝙蝠算法的提出

43.2蝙蝠的習性及回聲定位

43.3蝙蝠算法的基本思想

43.4蝙蝠算法的數學描述

43.5蝙蝠算法的實現步驟及流程

第44章動態虛擬蝙蝠算法

44.1動態虛擬蝙蝠算法的提出

44.2蝙蝠的回聲定位功能

44.3動態虛擬蝙蝠算法的優化原理

44.4動態虛擬蝙蝠算法的數學描述

44.5虛擬蝙蝠算法的偽代碼實現

第45章飛鼠搜索算法

45.1飛鼠搜索算法的提出

45.2飛鼠滑行及覓食行為的尋優機制

45.3飛鼠搜索算法的數學描述

45.4飛鼠搜索算法的偽代碼實現及流程

第46章混合蛙跳算法

46.1混合蛙跳算法的提出

46.2混合蛙跳算法的基本原理

46.3基本混合蛙跳算法的描述

46.4混合蛙跳算法的實現步驟

46.5混合蛙跳算法實現的流程

第47章人工魚群算法

47.1人工魚群算法的提出

47.2動物自治體模型與魚類的覓食行為

47.3人工魚群算法的基本原理

47.4人工魚群算法的數學描述

47.5人工魚群算法的流程

第48章大馬哈魚洄遊算法

48.1大馬哈魚洄遊算法的提出

48.2大馬哈魚的洄遊習性

48.3大馬哈魚洄遊算法的優化原理

48.4大馬哈魚洄遊算法的描述

48.5大馬哈魚洄遊算法的實現步驟
及流程

第49章鯨魚優化算法

49.1鯨魚優化算法的提出

49.2鯨魚的泡泡網覓食行為

49.3鯨魚優化算法的優化原理

49.4鯨魚優化算法的數學描述

49.5鯨魚優化算法的實現步驟及流程

第50章海洋捕食者算法

50.1海洋捕食者算法的提出

50.2海洋捕食者覓食的軌跡特徵

50.3海洋捕食者算法的優化原理

50.4海洋捕食者算法的數學描述

50.5海洋捕食者算法的偽代碼及實現
流程

第51章爬行動物搜索算法

51.1爬行動物搜索算法的提出

51.2鱷魚狩獵的習性

51.3爬行動物搜索算法的數學描述

51.4爬行動物搜索算法的偽代碼及實現
流程

第52章蝠鲼覓食優化算法

52.1蝠鲼覓食優化算法的提出

52.2蝠鲼的覓食行為

52.3蝠鲼覓食優化算法的優化原理

52.4蝠鲼覓食優化算法的數學描述

52.5蝠鲼覓食優化算法的偽代碼實現

第53章緋鯢鰹算法

53.1緋鯢鰹算法的提出

53.2緋鯢鰹的習性及狩獵行為

53.3緋鯢鰹算法的優化原理

53.4緋鯢鰹算法的數學描述

53.5緋鯢鰹算法的實現步驟及偽代碼

第54章被囊群算法

54.1被囊群算法的提出

54.2被囊動物的習性

54.3被囊群算法的優化原理

54.4被囊群算法的數學描述

54.5被囊群算法的實現步驟及流程

第55章人工水母搜索優化算法

55.1人工水母搜索優化算法的提出

55.2水母的習性及覓食行為

55.3人工水母搜索優化算法的優化原理

55.4人工水母搜索優化算法的數學描述

55.5人工水母搜索優化算法的實現步驟

第56章磷蝦群算法

56.1磷蝦群算法的提出

56.2磷蝦群算法的優化原理

56.3磷蝦群算法的數學描述

56.4磷蝦群算法的實現步驟及流程

第57章藤壺交配優化算法

57.1藤壺交配優化算法的提出

57.2藤壺的習性及交配行為

57.3哈迪溫伯格原理

57.4藤壺交配優化算法的數學描述

57.5藤壺交配優化算法的偽代碼實現

第58章口孵魚算法

58.1口孵魚算法的提出

58.2口孵魚的習性

58.3口孵魚算法的優化原理

58.4口孵魚算法的數學描述

58.5口孵魚算法的偽代碼實現

第59章河豚圓形結構算法

59.1河豚圓形結構算法的提出

59.2河豚的習性

59.3河豚建造圓形結構的過程

59.4河豚圓形結構算法的數學描述

59.5河豚圓形結構算法的偽代碼實現

第60章樽海鞘群算法

60.1樽海鞘群算法的提出

60.2樽海鞘的生活習性

60.3樽海鞘群覓食的優化機制

60.4樽海鞘群算法的數學描述

60.5樽海鞘群算法的實現步驟
及偽代碼

第61章珊瑚礁優化算法

61.1珊瑚礁優化算法的提出

61.2珊瑚蟲生活習性及珊瑚礁築成

61.3珊瑚礁優化算法的優化原理

61.4珊瑚礁優化算法的數學描述

61.5珊瑚礁優化算法的實現步驟及流程

第62章海豚回聲定位優化算法

62.1海豚回聲定位優化算法的提出

62.2海豚的生活習性

62.3海豚回聲定位的優化原理

62.4海豚回聲定位優化算法的數學描述

62.5海豚回聲定位優化算法的實現步驟及
流程

第63章海豚群算法

63.1海豚群算法的提出

63.2海豚群算法的優化原理

63.3海豚群算法的數學描述

63.4海豚群算法的實現步驟

第64章海鷗優化算法

64.1海鷗優化算法的提出

64.2海鷗的習性及遷徙和攻擊行為

64.3海鷗優化算法的數學描述

64.4海鷗優化算法的實現步驟及偽代碼

第65章烏燕鷗優化算法

65.1烏燕鷗優化算法的提出

65.2烏燕鷗的特徵及習性

65.3烏燕鷗優化算法的優化原理

65.4烏燕鷗優化算法的數學描述

65.5烏燕鷗優化算法的實現步驟
及偽代碼

第66章白骨頂雞優化算法

66.1白骨頂雞優化算法的提出

66.2白骨頂雞的習性

66.3白骨頂雞優化算法的優化原理

66.4白骨頂雞優化算法的數學描述

66.5白骨頂雞優化算法的偽代碼實現

第67章細菌覓食優化算法

67.1細菌覓食優化算法的提出

67.2大腸桿菌的結構及覓食行為

67.3細菌覓食優化算法的原理

67.4細菌覓食優化算法的數學描述

67.5細菌覓食優化算法的實現步驟
及流程

第68章細菌(群體)趨藥性算法

68.1細菌(群體)趨藥性算法的提出

68.2細菌趨藥性算法的優化原理

68.3細菌趨藥性算法的數學描述

68.4細菌群體趨藥性算法的基本思想

68.5細菌群體趨藥性算法的數學描述

68.6細菌群體趨藥性算法的實現步驟

第69章細菌菌落優化算法

69.1細菌菌落優化算法的提出

69.2細菌的生長、繁殖、死亡過程

69.3細菌菌落優化算法的優化原理

69.4細菌菌落優化算法的設計

69.5細菌菌落優化算法的實現步驟
及流程

第70章病毒種群搜索算法

70.1病毒種群搜索算法的提出

70.2病毒及其生存策略

70.3病毒種群搜索算法的優化原理

70.4病毒種群搜索算法的數學描述

70.5病毒種群搜索算法實現的偽代碼
及算法流程

第71章黏菌算法

71.1黏菌算法的提出

71.2黏菌的智能覓食行為

71.3黏菌算法的優化原理

71.4黏菌算法的數學描述

第72章貓群優化算法

72.1貓群優化算法的提出

72.2貓的生活習性

72.3貓群優化算法的優化原理

72.4貓群優化算法的數學描述

72.5貓群優化算法的實現步驟

72.6貓群優化算法實現的程序流程

第73章鼠群優化算法

73.1鼠群優化算法的提出

73.2鼠群優化算法的優化原理

73.3鼠群優化算法及其環境描述

73.4鼠群優化算法的實現步驟

第74章貓鼠種群算法

74.1貓鼠種群算法的提出

74.2貓鼠種群算法的優化原理

74.3貓鼠種群算法的數學描述

74.4貓鼠種群算法的實現步驟及流程

第75章雞群優化算法

75.1雞群優化算法的提出

75.2雞群優化算法的基本思想

75.3雞群優化算法的數學描述

75.4雞群優化算法的實現步驟及流程

第76章猴群算法

76.1猴群算法的提出

76.2猴群算法的優化原理

76.3猴群算法的數學描述

76.4猴群算法的實現步驟及流程

第77章蜘蛛猴優化算法

77.1蜘蛛猴優化算法的提出

77.2蜘蛛猴習性及裂變融合結構的覓食
行為

77.3蜘蛛猴優化算法的優化原理

77.4蜘蛛猴優化算法的數學描述

77.5蜘蛛猴優化算法的實現步驟

第78章斑鬣狗優化算法

78.1斑鬣狗優化算法的提出

78.2斑鬣狗的社會等級及捕食行為

78.3斑鬣狗優化算法的優化原理

78.4斑鬣狗優化算法的數學描述

78.5斑鬣狗優化算法的實現步驟及流程

第79章狼群算法

79.1狼群算法的提出

79.2狼的習性及狼群特徵

79.3狼群算法的優化原理

79.4狼群算法的數學描述

79.5狼群算法的實現步驟及流程

第80章灰狼優化算法

80.1灰狼優化算法的提出

80.2灰狼的社會等級及狩獵行為

80.3灰狼優化算法的數學描述

80.4灰狼優化算法的實現步驟及流程

第81章獅子優化算法

81.1獅子優化算法的提出

81.2獅子的生活習性

81.3獅子優化算法的優化原理

81.4獅子優化算法的數學描述

81.5獅子優化算法的偽代碼實現

第82章野馬優化算法

82.1野馬優化算法的提出

82.2野馬的特徵及習性

82.3野馬優化算法的優化原理

82.4野馬優化算法的數學描述

82.5野馬優化算法的偽代碼及實現流程

第83章蜜獾算法

83.1蜜獾算法的提出

83.2蜜獾的特徵及習性

83.3蜜獾算法的優化原理

83.4蜜獾算法的數學描述

83.5蜜獾算法的偽代碼實現

第84章沙丘貓群優化算法

84.1沙丘貓群優化算法的提出

84.2沙丘貓的習性及捕食行為

84.3沙丘貓群優化算法的數學描述

84.4SCSO算法的偽代碼及實現流程

84.5隨機變異和精英協作的沙丘貓群
優化算法

84.6SESCSO算法的偽代碼及實現流程

第85章耳廓狐優化算法

85.1耳廓狐優化算法的提出

85.2耳廓狐的習性

85.3耳廓狐優化算法的基本思想

85.4耳廓狐優化算法的數學描述

85.5耳廓狐優化算法的偽代碼及實現
流程

第86章金豺優化算法

86.1金豺優化算法的提出

86.2金豺的習性及其特點

86.3單目標金豺優化算法的數學描述

86.4多目標金豺優化算法的數學描述

86.5多目標金豺優化算法的實現步驟

第87章蛇優化算法

87.1蛇優化算法的提出

87.2蛇的習性及獨特的交配行為

87.3蛇優化算法的優化原理

87.4蛇優化算法的數學描述

87.5蛇優化算法的偽代碼及實現流程

第88章探路者優化算法

88.1探路者優化算法的提出

88.2探路者優化算法的基本思想

88.3探路者優化算法的數學描述

88.4探路者算法的實現步驟及偽代碼

第89章帝企鵝優化算法

89.1帝企鵝優化算法的提出

89.2帝企鵝的生活習性

89.3帝企鵝優化算法的基本思想

89.4帝企鵝優化算法的數學描述

89.5帝企鵝優化算法的實現步驟、
偽代碼及流程

第90章北極熊優化算法

90.1北極熊優化算法的提出

90.2北極熊的生活習性及捕獵行為

90.3北極熊優化算法的優化原理

90.4北極熊優化算法的數學描述

90.5北極熊優化算法的實現步驟
及偽代碼

第91章浣熊優化算法

91.1浣熊優化算法的提出

91.2浣熊的生活習性及特徵

91.3浣熊優化算法的優化原理

91.4浣熊優化算法的數學描述

91.5浣熊優化算法的偽代碼及實現流程

第92章浣熊族優化算法

92.1浣熊族優化算法的提出

92.2浣熊家族及其社會行為

92.3浣熊族優化算法的基本思想

92.4浣熊族優化算法的數學描述

92.5浣熊族優化算法的實現流程

第93章大猩猩部隊優化算法

93.1大猩猩部隊優化算法的提出

93.2大猩猩的特徵及習性

93.3大猩猩部隊優化算法的原理

93.4大猩猩部隊優化算法的數學描述

93.5大猩猩部隊優化算法的偽代碼實現

第94章黑猩猩優化算法

94.1黑猩猩優化算法的提出

94.2黑猩猩的特徵及習性

94.3黑猩猩優化算法的原理

94.4黑猩猩優化算法的數學描述

94.5黑猩猩優化算法的偽代碼實現

第95章大象放牧優化算法

95.1大象放牧優化算法的提出

95.2大象的生活習性

95.3大象放牧優化算法的優化原理

95.4大象放牧優化算法的數學描述

95.5大象放牧優化算法的實現步驟
及偽代碼

95.6二進制象群優化算法的原理及偽代碼
實現

第96章象群水搜索算法

96.1象群水搜索算法的提出

96.2大象的特徵及其水搜索策略

96.3象群水搜索算法設計的基本規則

96.4象群水搜索算法的數學描述

96.5象群水搜索算法的偽代碼實現

第97章自私獸群優化算法

97.1自私獸群優化算法的提出

97.2自私獸群優化算法的優化原理

97.3自私獸群優化算法的數學描述

97.4自私獸群優化算法的實現步驟及
流程

第98章捕食搜索算法

98.1捕食搜索算法的提出

98.2動物捕食策略

98.3捕食搜索算法的基本思想

98.4捕食搜索算法的數學描述

98.5捕食搜索算法的實現步驟及流程

第99章自由搜索算法

99.1自由搜索算法的提出

99.2自由搜索算法的優化原理

99.3自由搜索算法的數學描述

99.4自由搜索算法的實現步驟及流程

第100章食物鏈算法

100.1食物鏈算法的提出

100.2捕食食物鏈

100.3人工生命捕食策略

100.4人工生命食物鏈的基本思想

100.5食物鏈算法的數學描述

100.6食物鏈算法的實現步驟及流程

第101章共生生物搜索算法

101.1共生生物搜索算法的提出

101.2共生生物搜索算法的優化原理

101.3共生生物搜索算法的數學描述

101.4SOS算法的實現步驟及流程

第102章生物地理學優化算法

102.1生物地理學優化算法的提出

102.2生物地理學的基本概念及生物物種
遷移模型

102.3生物地理學優化算法的優化原理

102.4生物地理學優化算法的數學描述

102.5生物地理學優化算法的實現步驟及
流程

第103章競爭優化算法

103.1競爭優化算法的提出

103.2競爭優化算法的優化原理

103.3競爭優化算法的描述

103.4競爭優化算法的實現步驟及流程

第104章動態群協同優化算法

104.1動態群協同優化算法的提出

104.2動態群協同優化算法的基本原理

104.3動態群協同優化算法的數學描述

104.4動態群協同優化算法的實現步驟
及偽代碼

第105章梯度優化算法

105.1梯度優化算法的提出

105.2梯度優化算法的基本思想

105.3梯度優化算法的數學描述

105.4梯度優化算法的偽代碼實現

第106章獵人獵物優化算法

106.1獵人獵物優化算法的提出

106.2獵人獵物優化算法的基本思想

106.3獵人獵物優化算法的數學描述

106.4獵人獵物優化算法的實現流程

附錄A智能優化算法的理論基礎:
複雜適應系統理論
參考文獻

購物須知

大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大,除封面破損、內頁脫落等較嚴重的狀態,其餘商品將正常出貨。

特別提醒:部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。

無現貨庫存之簡體書,將向海外調貨:
海外有庫存之書籍,等候約45個工作天;
海外無庫存之書籍,平均作業時間約60個工作天,然不保證確定可調到貨,尚請見諒。

為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。

若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。

優惠價:87 673
庫存:3

暢銷榜

客服中心

收藏

會員專區