智能優(yōu)化理論方法及其應(yīng)用

第一部分 基礎(chǔ)理論及方法
第1章 緒論
1．1 最優(yōu)化的重要意義
1．2 傳統(tǒng)優(yōu)化方法的基本步驟及其局限性
1．3 智能優(yōu)化方法的產(chǎn)生與發(fā)展
1．4 智能優(yōu)化方法的研究現(xiàn)狀
1．5 怎樣學(xué)習(xí)、研究智能優(yōu)化方法
問題與思考
第2章 遺傳算法
2．1 導(dǎo)言
2．2 遺傳算法的基本原理
2．3 改進(jìn)與變形
2．4 應(yīng)用實例
問題與思考
第3章 蟻群算法
3．1 導(dǎo)言
3．2 基本蟻群算法
3．3 改進(jìn)的蟻群算法
3．4 蟻群算法與其他仿生優(yōu)化算法的比較與融合
3．5 蟻群算法的典型應(yīng)用
問題與思考
第4章 禁忌搜索算法
4．1 導(dǎo)言
4．2 算法的構(gòu)成要素
4．3 算法基本流程
4．4 中期表與長期表
4．5 算法性能的改進(jìn)
4．6 禁忌搜索算法的應(yīng)用案例
問題與思考
第5章 模擬退火算法
5．1 導(dǎo)言
5．2 退火過程的數(shù)學(xué)描述和Boltzmann方程
5．3 模擬退火算法的構(gòu)造及流程
5．4 算法的收斂性分析
5．5 應(yīng)用案例
問題與思考
第6章 粒子群優(yōu)化算法
6．1 導(dǎo)言
6．2 基本原理
6．3 PS0的改進(jìn)與變形
6．4 應(yīng)用實例
問題與思考
第7章 發(fā)展趨勢
7．1 單一智能優(yōu)化方法的不足
7．2 智能優(yōu)化方法的集成技術(shù)
7．3 以遺傳算法為代表的集成優(yōu)化方法
7．4 以蟻群算法為代表的集成優(yōu)化方法
7．5 以粒子群算法為代表的集成優(yōu)化方法
問題與思考
第二部分 典型應(yīng)用及實例
第8章 謝菲爾德遺傳算法工具箱
8．1 理論基礎(chǔ)
8．2 案例背景
8．3 MATLAB程序?qū)崿F(xiàn)
第9章 遺傳算法工具箱及應(yīng)用
9．1 理論基礎(chǔ)
9．2 案例背景
9．3 MATLAB程序?qū)崿F(xiàn)
第10章 求解TsP問題的遺傳算法
10．1 理論基礎(chǔ)
10．2 案例背景
10．3 MATILAB程序?qū)崿F(xiàn)
第11章 求解TsP問題的蟻群算法
11．1 理論基礎(chǔ)
11．2 案例背景
11．3 MATLAB程序?qū)崿F(xiàn)
第12章 模擬退火算法工具箱及應(yīng)用
12．1 理論基礎(chǔ)
12．2 案例背景
12．3 MATLAB程序?qū)崿F(xiàn)
第13章 求解TSP問題的模擬退火算法
13．1 理論基礎(chǔ)
13．2 案例背景
13．3 MATIAB程序?qū)崿F(xiàn)
第14章 基于PSO工具箱的函數(shù)尋優(yōu)算法
14．1 理論基礎(chǔ)
14．2 案例背景
14．3 MATLAB程序?qū)崿F(xiàn)
第15章 求解TSP問題的混合粒子群算法
15．1 理論基礎(chǔ)
15．2 案例背景
15．3 MATLAB程序?qū)崿F(xiàn)
參考文獻(xiàn)