三民網路書店 中國圖書館分類法 / 數理科學和化學 / 數學 / 計算數學 / 數學模擬、近似計算

智能優化算法作為人工智能的重要研究方向之一，為許多領域中複雜的系統優化問題提供了更好的解決方法，因此得到了廣泛的應用。《智能優化算法及 MATLAB 實現》按照智能優化算法、測試函數集及常用仿真實驗等邏輯脈絡由淺至深地進行講解，便於讀者入門並掌握智能優化算法及其 MATLAB 實現的相關知識，為後續學習打下良好基礎。全書共 16 章，第 1 至 13 章分別介紹了 13 種智能優化算法的基本原理、流程圖、MATLAB實現和應用案例；第 14 章介紹了 4 套常見的標準測試函數及其 MATLAB 實現；第 15 章介紹了 6 個典型的工程設計問題及其 MATLAB 實現；第 16 章介紹了統計校驗指標及代碼。《智能優化算法及 MATLAB 實現》既可作為人工智能、計算機科學與技術、電子信息、控制科學與工程等相關專業本科生和研究生的教材，也可作為從事智能優化算法研究與應用的科研人員或技術人員的參考用書。

本書首先闡述離散元方法在幾何形態構造、單元接觸算法、高性能並行計算的研究進展，然後介紹了任意形態顆粒間的粘結-破碎模型、高性能GPU並行算法以及軟件研發；最後對離散元方法在顆粒材料流動特性分析、著陸器和返回艙著陸過程、有硨鐵路道床沉降行為、極地海洋工程結構冰載荷數值計算等方面的應用展開了系統研究。

最優化計算方法及其MATLAB程序實現》較為系統地介紹了最優化問題的基本理論和方法及其主要算法的MATLAB程序實現關於無約束最優化問題，主要介紹了線搜索方法、梯度法、牛頓法、共軛梯度法、擬牛頓法、信賴域方法和最小二乘問題的數值解法關於約束優化問題，主要介紹了最優性條件、線性規劃的單純形方法和非線性規劃的可行方向法、罰函數法、二次規劃問題和序列二次規劃法等，設計的MATLAB程序有精確線搜索的黃金

本書分為6篇：第1篇智能優化的理論基礎，內容包括優化理論和智能優化方法概述；第2篇進化算法，內容包括遺傳算法、DNA計算、Memetic算法和文化算法；第3篇仿人智能優化算法，內容包括神經網絡算法、模糊邏輯算法、思維進化算法；第4篇群智能優化算法，內容包括蟻群優化算法、粒子群優化算法、混合蛙跳算法、猴群算法、自由搜索算法；第5篇仿自然優化算法，內容包括模擬退火算法、混沌優化算法、量子遺傳算法、水波優化算法、自然雲與氣象雲搜索優化算法；第6篇智能優化方法的統一框架與共性理論，內容包括智能優化方法的統一框架、智能優化方法的收斂性分析、搜索空間的探索-開發權衡。通過闡述這些算法的基本原理，構建這些算法的數學模型和計算步驟，為進一步的實踐應用奠定算法的理論基礎。

《最小約束違背優化》介紹作者近年來提出的最小約束違背優化新方向和相關研究成果, 主要內容包括最小約束違背線性錐優化、最小約束違背二次規劃、最小約束違背非線性凸優化、一類最小約束違背極小極大優化問題、最小約束違背非凸約束規劃和一般度量下的最小約束違背凸優化. 理論方面的進展包括以最小違背平移為工具, 延拓了各類凸優化問題的對偶理論, 證明了凸問題的可行性等價於對偶問題的有界性; 建立了由Lagrange函數定義的對偶函數與由平移問題定義的最優值函數間的關係, 用對偶函數刻畫了平移凸優化問題的對偶問題的解集; 證明了如果最小度量的平移集合非空, 那麼最小約束違背線性錐優化問題的對偶問題具有無界的解集, 且負的最小度量的平移是這一對偶問題解集的回收方向. 算法方面的進展包括證明了增廣Lagrange方法可以求解各種最小約束違背的凸優化問題, 生成的平移序列收斂到最小度量的平移, 生成的點列滿足近似地用增廣Lagrange函數刻畫的最優性條件; 對於線性規劃、二次凸規劃和凸的非線性規劃的1l-範數最小約束違背優化問題, 給出了1l-罰函數方法, 建立了方法生成的平移向量序列到最小1l-範數平移的誤差估計; 證明了經典的罰函數方法在約束不相容時可以收斂到最小約束違背最優解; 研究了非凸的最小約束違背的非線性規劃問題的鬆弛MPCC問題的光滑函數方法, 證明了由光滑函數方法生成的序列的任何聚點都是L-穩定點; 對於G-範數最小約束違背凸優化問題, 構造了G-增廣Lagrange方法, 證明了生成的平移序列收斂到最小G-範數度量的平移, 生成的點列滿足近似地用G-增廣Lagrang函數刻畫的最優性條件.

全書共分九章，第一章概述數字集成電路發展現狀、設計方法及基本流程；第二章以簡單全加器電路作為切入點，詳解數字前端設計流程，包括VerilogHDL代碼、仿真及綜合；第三章陳述了VerilogHDL 硬件描述語言的基本知識以及邏輯仿真工具VCS的使用；第四章詳細地說明瞭靜態時序分析原理以及邏輯綜合工具的使用；第五章和第六章分別對組合電路和時序電路的設計策略和常用案例進行了闡述；第七章陳述了異步電路的設計方法，並對設計實例進行分析；第八章介紹了IP級ALU模塊的原理及實例；第九章簡述了SoC系統的基本架構及設計案例。

大致內容：本書系統全面地介紹了用於求解最優化問題的10種智能啟發式算法，即遺傳算法、蟻群算法、模擬退火算法、禁忌搜索算法、大鄰域搜索算法、變鄰域搜索算法、迭代局部搜索算法、粒子群算法、人工免疫算法以及人工神經網絡。主要介紹了每種算法的基本思想、設計原理及其應用案例。 特色：本書在闡述每種啟發式算法的基本思想以及設計原則的基礎上，不僅分析了各個算法的基礎應用，如：遺傳算法在0-1背包問題中的應用以及在旅行商問題中的應用、蟻群算法在旅行商問題中的應用以及在函數極值問題中的應用、模擬退火算法以及禁忌搜索算法在旅行商問題中的應用等等。此外還著重介紹了每種算法相對應的最新應用案例，如：模擬退火算法在電商物流配送問題中的應用以及在登機口分配問題中的應用、禁忌搜索算法在雙層級醫療設施選址問題中的應用以及在機場外航服務人員班型生成問題中的應用、變鄰域搜索算法在開放式帶時間窗車輛路徑問題中的應用以及在物流配送系統集成優化問題中的應用等等。從事運籌優化、組合優化等研究領域的碩博研究生可將此教材作為基礎的學術入門教材。 讀者對象：本書可作為高等院校管理科學與工程、物流管理、經濟管理等管理類相關專業本科生及研究生的教材，也可作為計算機科學與技術、人工智能等理工類相關專業本科生及研究生的教材。

**化技術是科學與工程領域中的重要數學工具.本書首先介紹非線性方程組的解析與數值解法, 然後介紹各個分支的**化問題建模與求解方法,包括無約束**化、凸優化(如線性規劃、二次型規劃與 幾何規劃等)、非線性規劃、混合整數規劃、多目標規劃與動態規劃等,最後簡要介紹智能優化方法,並與常 規方法進行對比研究. 與傳統的**化技術方面的教材不同,本書側重于利用MATLAB語言直接描述與求解**化問題. 本書可作為一般讀者學習和掌握**化技術的教材或教輔讀物,還可以作為高等學校理工科各專業的本 科生和研究生學習計算機數學語言的教材,並適合作為相關人員查詢**化計算方法的工具書.

《鴿群優化》系統深入地闡述了鴿群優化的起源、原理、模型、理論、改進及應用，力圖概括該算法自提出以來的國內外最新研究進展。《鴿群優化》共9章，主要包括鴿群優化思想起源和研究現狀，鴿群優化機制原理、數學模型和實現流程，鴿群優化收斂性理論證明、首達時間及參數選擇，鴿群優化模型改進，鴿群優化在任務規劃、自主控制、信息處理、電氣能控等領域的典型應用，以及鴿群優化研究前沿與展望。《鴿群優化》面向工程實際應用，突出前沿學科交叉，強調理論基礎支撐，著眼優化技術發展，取材新穎，深入淺出，覆蓋面廣，系統性強，力求使廣大讀者能快速掌握和應用這一新興的仿生群體智能優化方法。

《智能優化算法：RNA遺傳算法》介紹了智能優化算法中的RNA遺傳算法，包括RNA遺傳算法、具有莖環操作的RNA遺傳算法、受蛋白質啟發的RNA遺傳算法、信息熵動態變異概率的RNA遺傳算法、自適應策略的RNA遺傳算法、髮夾交叉操作RNA遺傳算法的橋式吊車支持向量機建模和髮夾變異操作RNA遺傳算法的橋式吊車神經網絡建模方法。《智能優化算法：RNA遺傳算法》體現了作者在RNA遺傳算法及應用方面的部分研究工作。

《工程科學近似方法》從經典的伽遼金方法和瑞利-裡茨方法的加權平均近似思想入手，在介紹變分法及其與微分方程關係的基礎上，論述了試探函數、基函數和形函數的重要作用，以及分片積分方法的重要性，進而引導出了有限元法的思想，並闡述了有限元法的實質。在此基礎上，介紹了廣義變分原理與有限元法的關係。針對大型多維系統分析和計算過程中存在的計算量大的問題，介紹了模態方法的思想和作用、半解析半有限元法的應用，以及靜力和動力子結構的方法及實施途徑。針對非線性問題，介紹了迭代方法、切線或割線線性化方法以及非線性隨機問題的統計線性化法的作用及實施過程，介紹了攝動方法的使用技巧和實施途徑。此外，對於微分方程的直接近似求解，還介紹了有限差分法的思想和使用過程。

本書基於MATLAB 2020a軟件，根據常用優化算法進行編寫，包含多種優化算法的MATLAB實現方法，可以幫助讀者掌握MATLAB在優化算法中的應用。 全書分為4部分，包括MATLAB基礎知識、常規優化算法、智能優化算法和拓展運用。第一部分從初識MATLAB開始詳細介紹MATLAB基礎、程序設計、圖形繪製等內容；第二部分介紹MATLAB線性規劃、非線性規劃、無約束一維極值、無約束多維極值、約束優化方法、二次規劃、多目標函數優化方法等；第三部分介紹遺傳優化算法免疫優化算法、粒子群優化算法、小波變換、神經網絡等；第四部分介紹MATLAB在分形維數和經濟金融優化中的應用。 本書以MATLAB優化實現為主線，結合各種優化算法函數的說明、優化模型案例的講解，使讀者易看懂、會應用。本書深入淺出，實例引導，講解翔實，既可以作為高等院校數學建模和數學實驗的參考教材，也可作為廣大科研工程技術人員的參考用書。

本書講解優化方法的基本理論，內容分為組合優化和連續優化兩大部分。組合優化方面包括線性規劃、整數線性規劃、動態規劃、以及圖算法，連續優化部分包括無約束優化問題的基本理論、無約束優化問題的求解方法、約束優化問題的基本理論、約束優化問題的求解方法。本書最主要的特色是從計算機科學的視角講解最優化方法，書中包含大量的來自於計算機科學方面的例子，來解釋最優化方法的理論和算法。本書的另一個特色是寫作盡可能做到簡明、易懂、自包含，能夠深入淺出地將概念、理論、算法、分析講解清楚。本書可作為信息類專業或應用數學專業本科生的教學參考書。

本書考慮實際生產系統中存在的訂單批量性，系統研究並行機、流水車間、作業車間製造過程分批優化調度和流程工業批處理過程生產調度問題，以及差分進化算法在分批優化調度問題中的應用，設計同時處理批量劃分和排序優化的有效算法，注重提煉問題的特徵，結合問題信息開發有效的優化求解方法。具體內容包括基於差分進化算法的並行機分批優化調度、基於差分進化算法的流水車間分批優化調度、基於差分進化算法的作業車間分批優化調度、

《數值最優化方法》的內容包括求解光滑非線性無約束和有約束最優化問題的基本方法和基本性質以及方法的數值試驗結果。《數值最優化方法》在選材上,注重最優化方法的基礎性與實用性;在內容的處理上,注重由淺入深、循序漸進;在敘述上力求清晰、準確、簡明易懂.為了幫助讀者理解和鞏固所學的內容,在第二章至第九章各章之后配置了豐富的習題和上機習題,并在書末附有大部分習題的答案和提示。《數值最優化方法》可作為高等院校計算科學專業以及相關專業本科生的教材或教學參考書,也可供從事科學與工程計算的科技人員參考。

國家自然科學地區基金研究成果。基於啟發式多目標智能優化算法在工程實踐中得到廣泛應用，出現了許多非約束多目標優化智能算法，然而解決帶約束的多目標智能優化算法甚少。本專著首先概述了約束多目標優化算法的研究進展及存在的不足；然後介紹了智能優化算法的基本原理及框架；接著針對靜態和動態的約束多目標優化問題，提出多種改進型的智能優化算法，對於每種新算法均以國際基準測試集進行測試，同時與國際上最新的同類算法進行比較分析和評價，總結算法的優越性，給出進一步研究方向；最後針對具體的電力系統動態環境經濟調度優化模型，從不同角度設計多種智能優化算法，並用具體的數據進行優化效果分析。附錄部分給出本書涉及的重要算法C語言/MATLAB程序實現，幫助讀者掌握算法的基本原理、流程和實現，提高讀者對算法的實踐與應用，可為初學者提供重要的學術研究參考和借鑒。本專著可作為人工智能、計算機科學、管理科學、系統工程、自動化、生物信息學等專業高年級本科生、研究生和教師的參考書，也可供理工科其他專業的師生參考，還可供從事優化領域的科技人員閱讀和參考。