群智能优化算法及其应用

群智能优化算法及其应用 
出版时间：2012年版 
内容简介 
　　《群智能优化算法及其应用》以群智能优化算法中的粒子群优化（Particle Swarm Optimization，PSO）算法为主线，着重阐述了PSO算法的基本原理、改进策略，从解空间设计、粒子编码以及求解流程等方面进行了详细设计与阐述，对蚁群优化（Ant Colony Optimization，ACO）算法、人工鱼群（Artificial Fish School，AFS）算法以及新颖的人工蜂群（Artificial Bee Colony，ABC）算法和细菌觅食优化（Bacteria Foraging Optimization，BFO）算法等群智能优化算法也做了简要介绍，结合群智能优化机理，对PPI网络的功能模块聚类分析问题进行模型构建和算法设计，是本书的特色所在。《群智能优化算法及其应用》可作为人工智能、计算机科学、管理科学、系统工程、自动化、生物信息学等专业高年级本科生、研究生和教师的参考书，也可供理工科其他专业的师生参考，还可供从事优化领域的科技人员阅读和参考。 
目录 
序 
前言 
第1章 绪论 
1.1 引言 
1.2 群智能优化算法的思想起源 
1.2.1 粒子群优化算法 
1.2.2 蚁群优化算法 
1.2.3 人工蜂群算法 
1.2.4 人工鱼群算法 
1.2.5 细菌觅食优化算法 
1.3 本书组织结构 
1.4 小结 
参考文献 
第2章 经典优化理论与方法 
2.1 引言 
2.2 线性规划 
2.2.1 凸集和凸函数 
2.2.2 线性规划的基本性质 
2.3 非线性规划 
2.4 整数规划 
2.4.1 分支定界法 
2.4.2 割平面法 
2.4.3 指派问题 
2.5 动态规划 
2.5.1 动态规划的一些基本概念 
2.5.2 动态规划的基本定理和基本方程 
2.5.3 逆推解法和顺推解法 
2.5.4 动态规划与静态规划的关系 
2.6 多目标优化 
2.6.1 多目标优化问题描述 
2.6.2 基于Pareto的多目标最优解集 
2.7 小结 
参考文献 
第3章 智能优化方法 
3.1 引言 
3.2 遗传算法 
3.2.1 概述 
3.2.2 基本遗传算法的描述 
3.2.3 基本遗传算法的实现 
3.2.4 遗传算法的应用步骤 
3.3 模拟退火算法 
3.4 禁忌搜索算法 
3.4.1 局部搜索 
3.4.2 禁忌搜索 
3.5 蚁群优化算法 
3.5.1 基本蚁群优化算法的原理 
3.5.2 基本蚁群优化算法的系统学特征 
3.5.3 基本蚁群优化算法的数学模型 
3.5.4 基本蚁群优化算法的具体实现 
3.6 人工鱼群算法 
3.6.1 算法描述 
3.6.2 算法步骤 
3.7 人工蜂群算法 
3.7.1 算法描述 
3.7.2 算法步骤 
3.8 细菌觅食优化算法 
3.8.1 趋向性操作 
3.8.2 复制操作 
3.8.3 迁徙操作 
3.9 免疫算法 
3.9.1 免疫算法的基本原理 
3.9.2 免疫算子的机理 
3.10 DNA计算 
3.10.1 DNA计算的研究背景 
3.10.2 DNA计算机理及其特点 
…… 
第4章 粒子群优化算法 
第5章 PSO算法用于函数优化 
第6章 群智能优化算法求解TSP 
第7章 PSO算法求解交通优化与调度问题 
第8章 群智能算法与路径规划 
第9章 PSO算法与图像处理 
第10章 群智能优化算法与生物序列比对 
第11章 群智能聚类融合算法与PPI网络 
附录