智能算法 原理与应用

本书系统介绍了各种主流智能算法的原理及其在运营管理决策问题中的应用。相关算法不仅覆盖禁忌搜索、模拟退火、遗传算法、浅层前馈神经网络等传统智能算法，还涉及卷积神经网络、循环神经网络、注意力模型等前沿的深度神经网络算法。本书覆盖的典型运营决策问题案例包括产品需求预测、流水线平衡、车间调度、路径优化、道路速度预测、医学图像分类等，这些案例涉及不同的问题难度与算法复杂性，且均提供程序代码与实验指导，有助于读者更好地理解和掌握智能算法的原理与应用。本书可作为高等院校管理科学与工程、工业工程、自动化等相关专业高年级本科生或研究生的人工智能算法教材，也可作为相关领域研究者或想了解和应用智能算法的工作人员的参考书。

入选四川省海外高层次留学人才、四川省学术和技术带头人后备人选，主要从事智能算法及其应用

第1章 绪论1
1.1 人工智能概述1
1.2 人工智能算法概述6
1.3 人工智能算法的应用9
1.4 本章小结10
第2章 运营管理中的典型决策问题11
2.1 需求预测问题11
2.2 生产优化问题15
2.3 运输优化问题19
2.4 其他典型决策问题22
2.5 本章小结24
第3章 禁忌搜索算法27
3.1 禁忌搜索算法的提出27
3.2 基本禁忌搜索算法28
3.3 禁忌搜索算法的改进32
3.4 应用案例33
3.5 本章小结36
第4章 模拟退火算法37
4.1 模拟退火算法的提出37
4.2 基本模拟退火算法38
4.3 模拟退火算法的改进42
4.4 应用案例43
4.5 本章小结46
第5章 遗传算法基础48
5.1 遗传算法的提出48
5.2 位串编码遗传算法50
5.3 本章小结57
第6章 遗传算法进阶59
6.1 实数编码遗传算法59
6.2 顺序编码遗传算法62
6.3 遗传算法的变体66
6.4 应用案例68
6.5 本章小结71
第7章 蚁群算法72
7.1 蚁群算法的提出72
7.2 基本蚁群算法74
7.3 改进的蚁群算法78
7.4 应用案例80
7.5 本章小结83
第8章 粒子群优化算法85
8.1 粒子群优化算法的提出85
8.2 基本粒子群优化算法86
8.3 标准粒子群优化算法88
8.4 离散粒子群优化算法90
8.5 应用案例92
8.6 本章小结96
第9章 人工神经网络基础98
9.1 人工神经网络的生物学基础98
9.2 从生物神经网络到人工神经网络99
9.3 人工神经网络的构成要素101
9.4 本章小结104
第10章 多层感知器105
10.1 多层感知器的提出105
10.2 多层感知器模型105
10.3 学习算法107
10.4 多层感知器的设计110
10.5 应用案例111
10.6 本章小结113
第11章 卷积神经网络114
11.1 卷积神经网络的提出114
11.2 卷积神经网络的基本原理115
11.3 卷积神经网络的训练119
11.4 典型卷积神经网络121
11.5 应用案例127
11.6 本章小结129
第12章 循环神经网络131
12.1 循环神经网络的提出131
12.2 基于门控的循环神经网络133
12.3 其他循环神经网络139
12.4 应用案例141
12.5 本章小结144
第13章 注意力模型145
13.1 注意力机制的提出145
13.2 注意力机制的变体148
13.3 自注意力模型与多头自注意力模型150
13.4 使用自注意力模型的深度学习算法152
13.5 应用案例157
13.6 本章小结160
参考文献161
附录168
A1 基于torchvision包的卷积神经网络实现168
A2 拓展阅读：魔笛Python实验平台169