现代智能优化混合算法及其应用

智能优化混合算法是一种以某类优化算法为基础，融合其他智能算法或理论的混合算法，可用于求解各种工程问题优化解。
本书系统讨论了现今应用较为广泛的几种智能优化混合算法，主要内容来源于作者多年的研究成果，使读者比较全面地了解智能优化混合算法的相关知识及应用。本书理论联系实际，集知识性、专业性、操作性、技能性为一体，对智能优化混合算法的原理、步骤、应用等进行了全面且详细的介绍。

第1章绪论1
1.1智能优化算法简介1
1.1.1遗传算法简介1
1.1.2蚁群算法简介11
1.1.3退火算法简介20
1.1.4云遗传算法简介32
1.2混合优化算法简介40
1.2.1混合优化算法概述40
1.2.2混合优化算法现状40
1.3本章小结41
第2章混合遗传算法42
2.1基本遗传算法42
2.1.1基本遗传算法及流程图42
2.1.2基本遗传算法的特点51
2.2改进的遗传算法52
2.2.1双阈值控制的遗传算法52
2.2.2改进的伪并行遗传算法57
2.2.3改进的小生境遗传算法61
2.2.4改进的自适应遗传算法64
2.2.5基于免疫原理的新优化遗传算法66
2.2.6模式理论及模式导向的遗传算法73
2.2.7改进的双倍体遗传算法76
2.2.8改进的并行遗传算法83
2.3遗传算法与其他优化算法的融合88
2.3.1病毒进化遗传算法88
2.3.2改进的DNA免疫遗传算法91
2.4本章小结94
第3章混合蚁群算法95
3.1基本蚁群算法95
3.1.1基本蚁群算法及流程图95
3.1.2基本蚁群算法的特点100
3.2改进的蚁群算法101
3.2.1一种改进的非均匀窗口蚁群算法101
3.2.2基于变异和动态信息素更新的蚁群优化算法107
3.3蚁群、遗传算法的融合――动态蚁群遗传算法110
3.4本章小结114
第4章混合退火算法115
4.1基本退火算法115
4.1.1基本退火算法及流程图115
4.1.2基本退火算法的特点120
4.2退火算法与其他优化算法的融合121
4.2.1改进的遗传退火算法121
4.2.2基于学习机制的退火并行遗传算法125
4.3本章小结130
第5章其他典型混合优化算法131
5.1禁忌-并行混合遗传算法131
5.1.1禁忌-并行遗传算法的关键技术132
5.1.2混合算法流程134
5.2周期性病毒进化遗传算法135
5.2.1新的周期性病毒进化遗传算法的基本思想135
5.2.2改进的周期性病毒进化遗传算法流程139
5.2.3改进的周期性病毒进化遗传算法的优点139
5.3改进的决策树学习算法140
5.4改进的广义粒子群优化算法145
5.4.1基本粒子群优化算法介绍145
5.4.2基本粒子群优化机理分析146
5.4.3广义粒子群优化算法模型147
5.4.4GPSO的具体流程149
5.5一种基于粒子群优化的反向传播神经网络算法150
5.6一种基于混沌优化的模糊聚类方法156
5.6.1聚类的定义156
5.6.2基于混沌优化的模糊聚类157
5.7本章小结160
第6章云遗传算法及其应用161
6.1基本云遗传算法161
6.1.1云模型发生器161
6.1.2基本云遗传算法及流程图163
6.2改进的云遗传算法167
6.2.1云自适应遗传算法167
6.2.2云自适应量子遗传算法169
6.3本章小结175
第7章混合优化算法的典型应用176
7.1TSP问题176
7.1.1旅行商问题模型176
7.1.2采用动态蚁群遗传算法求解TSP问题178
7.20-1背包问题183
7.2.10-1背包问题模型183
7.2.2使用改进的遗传退火算法求解0-1背包问题187
7.3车间调度问题192
7.3.1车间调度问题的描述193
7.3.2双阈值控制的遗传算法求解车间调度问题194
7.4车辆路径问题200
7.4.1车辆路径问题描述200
7.4.2自适应遗传算法求解车辆路径问题203
7.5装箱问题207
7.5.1装箱问题描述208
7.5.2使用基于学习机制的退火并行遗传算法求解装箱问题211
7.6图着色问题217
7.6.1图着色问题描述217
7.6.2周期性病毒进化遗传算法求解图着色问题218
7.7本章小结223
第8章总结及展望224
8.1主要工作总结及创新224
8.2未来发展方向226
8.3本章小结228
参考文献229