智能优化理论

本书分为6篇：第1篇智能优化的理论基础，内容包括优化理论和智能优化方法概述；第2篇进化算法，内容包括遗传算法、DNA算法、Memetic算法和文化算法；第3篇仿人智能优化算法，内容包括神经网络算法、模糊逻辑算法、思维进化算法；第4篇群智能优化算法，内容包括蚁群优化算法、粒子群优化算法、混合蛙跳算法、猴群算法、自由搜索算法；第5篇仿自然优化算法，内容包括模拟退火算法、混沌优化算法、量子遗传算法、水波优化算法、自然云与气象云搜索优化算法；第6篇智能优化方法的统一框架与共性理论，内容包括智能优化方法的统一框架、智能优化方法的收敛性分析、搜索空间的探索开发权衡。通过阐述这些算法的基本原理，构建这些算法的数学模型和计算步骤，为进一步的实践应用奠定算法的理论基础。 本书可作为高等院校理工科各专业的教材，也可供从事优化算法的技术人员参考。

高等院校教师

目录 前言 第1篇智能优化的理论基础 第1章优化理论概述2 11优化问题的基本概念2 12优化问题的分类4 13求解方法的运用原则与搜索优化算法的 一般流程10 复习思考题14 第2章智能优化方法概述15 21智能优化的概念15 22智能优化方法的实质——人工复杂 适应性系统16 23智能优化方法的分类19 复习思考题20第2篇进 化 算 法 第3章遗传算法22 31遗传算法寻优的基本思路22 32遗传算法的理论基础24 33遗传算法的实现及改进算法32 34差分进化算法42 复习思考题47 第4章DNA算法48 41概述48 42DNA的结构49 43DNA计算的原理50 44DNA计算与遗传算法的集成51 45DNA遗传算法与常规遗传算法的 比较57 复习思考题57 第5章Memetic算法和文化算法58 51Memetic算法58 52文化算法62 复习思考题69第3篇仿人智能优化算法 第6章神经网络算法71 61从机器学习到神经网络71 62神经网络训练86 63神经网络的设计方法93 64欠拟合、过拟合与正则化101 65优化算法106 66神经网络的应用优势和存在的主要 问题124 复习思考题124 第7章模糊逻辑算法125 71模糊集合及其运算125 72模糊关系129 73模糊逻辑与近似推理131 74基于规则库的模糊推理135 75模糊逻辑系统的应用优势与存在的 主要问题141 复习思考题142 第8章思维进化算法143 81思维进化算法的提出143 82思维进化算法的基本思想143 83思维进化算法的描述144 84思维进化算法的改进148 复习思考题149第4篇群智能优化算法 第9章蚁群优化算法152 91蚁群觅食策略的优化原理152 92蚁群优化算法介绍155 93蚁群优化算法应用举例162 复习思考题163 第10章粒子群优化算法164 101粒子群优化算法的基本原理164 102基本粒子群优化算法165 103改进的粒子群优化算法166 104离散粒子群优化算法169 105粒子群优化算法应用举例171 106粒子群优化算法的应用优势与存在的 主要问题173 复习思考题174 第11章混合蛙跳算法175 111混合蛙跳算法的提出175 112混合蛙跳算法的基本原理175 113基本混合蛙跳算法的描述176 114混合蛙跳算法的实现步骤178 115混合蛙跳算法的实现流程180 116协同进化混合蛙跳算法180 复习思考题184 第12章猴群算法185 121猴群算法的提出185 122猴群算法的原理185 123猴群算法的数学描述186 124猴群算法的实现步骤及流程188 125猴群算法的优缺点分析189 126基于高斯变异的自适应猴群算法189 复习思考题190 第13章自由搜索算法191 131自由搜索算法的提出191 132自由搜索算法的优化原理191 133自由搜索算法的数学描述192 134自由搜索算法的实现步骤及流程194 135动态拉伸目标函数的自由搜索 算法195 复习思考题197第5篇仿自然优化算法 第14章模拟退火算法200 141模拟退火算法的提出200 142固体退火过程的统计力学原理200 143模拟退火算法的数学描述202 144模拟退火算法的实现要素204 145多目标模拟退火算法206 146模拟退火算法的应用之一：求解 旅行商问题207 复习思考题208 第15章混沌优化算法209 151混沌优化算法的提出209 152混沌学与Logistic映射209 153混沌优化算法的实现步骤211 154变尺度混沌优化算法的实现步骤212 复习思考题213 第16章量子遗传算法214 161量子计算214 162量子进化算法221 163量子遗传算法计算222 164改进的量子遗传算法226 复习思考题230 第17章水波优化算法231 171水波优化算法的提出231 172水波现象与水波理论231 173水波优化算法的基本原理232 174水波优化算法的数学描述233 175水波优化算法的实现步骤及流程234 176自适应协同学习水波优化算法235 复习思考题238 第18章自然云与气象云搜索优化 算法239 181自然云搜索优化算法239 182气象云模型优化算法243 复习思考题248第6篇智能优化方法的统一框架与共性理论 第19章智能优化方法的统一框架250 复习思考题253 第20章智能优化方法的收敛性 分析255 201收敛性与全局收敛性的定义255 202全局收敛性定理256 203关于收敛性的讨论258 复习思考题259 第21章搜索空间的探索-开发权衡260 211探索与开发的定义与权衡方式260 212“探索-开发”权衡的多阶段随机压缩 模型261 复习思考题269 参考文献270