123,123

內(nèi)容簡(jiǎn)介

　　蟻群算法是意大利學(xué)者Dorigo等人于1991年創(chuàng)立的，是繼神經(jīng)網(wǎng)絡(luò)、遺傳算法、免疫算法之后的又一種新興的啟發(fā)式搜索算法。螞蟻群體是一種社會(huì)性昆蟲，它們有組織、有分工，還有通訊系統(tǒng)，它們相互協(xié)作，能完成從蟻穴到食物源尋找最短路徑的復(fù)雜任務(wù)。模擬螞蟻群體智能的人工蟻群算法具有分布計(jì)算、信息正反饋和啟發(fā)式搜索的特點(diǎn)，不僅在求解組合優(yōu)化問(wèn)題中獲得廣泛應(yīng)用，而且也用于連續(xù)時(shí)間系統(tǒng)的優(yōu)化。本書是國(guó)內(nèi)首部蟻群算法的專著，系統(tǒng)地闡述蟻群算法的基本原理、基本蟻群算法及改進(jìn)算法，蟻群算法與遺傳、免疫算法的融合，自適應(yīng)蟻群算法，并行蟻群算法，蟻群算法的收斂性與理論模型及其在優(yōu)化問(wèn)題中的應(yīng)用。本書可供人工智能、計(jì)算機(jī)科學(xué)、信息科學(xué)、控制工程、管理工程、交通工程、網(wǎng)絡(luò)工程、智能優(yōu)化算法及智能自動(dòng)化等領(lǐng)域的廣大師生和科技人員學(xué)習(xí)及參考。

作者簡(jiǎn)介

　　李士勇，哈爾濱工業(yè)大學(xué)教授，博士生導(dǎo)師．1967年畢業(yè)于哈爾濱工業(yè)大學(xué)，1983年獲工學(xué)碩士學(xué)位1992年至1993年在日本千葉工業(yè)大學(xué)從事模糊控制、神經(jīng)網(wǎng)絡(luò)和智能控制研究工作黑龍江省優(yōu)秀專家，國(guó)家模糊控制技術(shù)生產(chǎn)力促進(jìn)中心專家，中國(guó)自動(dòng)化學(xué)會(huì)智能自動(dòng)化專業(yè)委員會(huì)委員，《計(jì)算機(jī)測(cè)量與控制》雜志編委？獲國(guó)家級(jí)獎(jiǎng)2項(xiàng)，省、部級(jí)獎(jiǎng)6項(xiàng)，發(fā)表論文80余篇，編著教材與專著4部，《模糊控制·神經(jīng)控制和智能控制論》榮獲全國(guó)優(yōu)秀科技圖書獎(jiǎng)，并躋身于十大領(lǐng)域中國(guó)論文被引頻次最高的前50部專著與譯著排行榜。目前主要從事模糊控制、神經(jīng)控制、智能控制、智能優(yōu)化算法、非線性科學(xué)與復(fù)雜系統(tǒng)理論及其應(yīng)用的研究與教學(xué)工作。

圖書目錄

第1章　緒論
　1.1　螞蟻的基本習(xí)性
　　1.1.1　螞蟻的信息系統(tǒng)
　　1.1.2　蟻群社會(huì)的遺傳與進(jìn)化
　1.2　蟻群覓食行為與覓食策略
　　1.2.1　螞蟻的覓食行為
　　1.2.2　螞蟻的覓食策略
　1.3　人工蟻群算法的基本思想
　　1.3.1　人工蟻與真實(shí)螞蟻的異同
　　1.3.2　人工蟻群算法的實(shí)現(xiàn)過(guò)程
　1.4　蟻群優(yōu)化算法的意義及應(yīng)用
　　1.4.1　蟻群優(yōu)化算法的意義
　　l.4.2　蟻群算法的應(yīng)用
　1.5　蟻群算法的展望
第2章　螞蟻系統(tǒng)——蟻群算法的原型
　2.1　螞蟻系統(tǒng)模型的建立
　2.2　蟻量系統(tǒng)和蟻密系統(tǒng)的模型
　2.3　蟻周系統(tǒng)模型
第3章　改進(jìn)的蟻群優(yōu)化算法
　3.1　帶精英策略的螞蟻系統(tǒng)
　3.2　基于優(yōu)化排序的螞蟻系統(tǒng)
　3.3　蟻群系統(tǒng)
　　3.3.1　蟻群系統(tǒng)狀態(tài)轉(zhuǎn)移規(guī)則
　　3.3.2　蟻群系統(tǒng)全局更新規(guī)則
　　3.3.3　蟻群系統(tǒng)局部更新規(guī)則
　　3.3.4　候選集合策略
　3.4　最大一最小螞蟻系統(tǒng)
　　3.4.1　信息素軌跡更新
　　3.4.2　信息素軌跡的限制
　　3.4.3　信息素軌跡的初始化
　　3.4.4　信息素軌跡的平滑化
　3.5　最優(yōu)一最差螞蟻系統(tǒng)
　　3.5.1　最優(yōu)一最差螞蟻系統(tǒng)的基本思想
　　3.5.2　最優(yōu)一最差螞蟻系統(tǒng)的工作過(guò)程
第4章　蟻群優(yōu)化算法的仿真研究
　4.1　螞蟻系統(tǒng)三類模型的仿真研究
　　4.1.1　三類模型性能的比較
　　4.2.2　基于統(tǒng)計(jì)的參數(shù)優(yōu)化
　4.2　基于蟻群系統(tǒng)模型的仿真研究
　　4.2.1　局部?jī)?yōu)化算法的有效性
　　4.2.2　蟻群系統(tǒng)與其他啟發(fā)算法的比較
　4.3　最大一最小螞蟻系統(tǒng)的仿真研究
　　4.3.1　信息素軌跡初始化研究
　　4.3.2　信息素軌跡量下限的作用
　　4.3.3　蟻群算法的對(duì)比
　4.4　最優(yōu)一最差螞蟻系統(tǒng)的仿真研究
　　4.4.1　參數(shù)ε的設(shè)置
　　4.4.2　幾種改進(jìn)的蟻群算法比較
第5章　蟻群算法與遺傳、模擬退火算法的對(duì)比
　5.1　遺傳算法
　　5.1.1　遺傳算法與自然選擇
　　5.1.2　遺傳算法的基本步驟
　　5.1.3　旅行商問(wèn)題的遺傳算法實(shí)現(xiàn)
　5.2　模擬退火算法
　　5.2.1　物理退火過(guò)程和Metroplis準(zhǔn)則
　　5.2.2　模擬退火法的基本原理
　5.3　蟻群算法與遺傳算法、模擬退火算法的比較
　　5.3.1　三種算法的優(yōu)化質(zhì)量比較
　　5.3.2　三種算法收斂速度比較
　　5.3.3　三種算法的特點(diǎn)與比較分析
第6章　蟻群算法與遺傳、免疫算法的融合
　6.1　遺傳算法與螞蟻算法融合的GAAA算法
　　6.1.1　遺傳算法與螞蟻算法融合的基本思想
　　……
第7章　自適應(yīng)蟻群算法
第8章　并行蟻群算法
第9章　蟻群算法的收斂性與蟻群行為模型
第10章　蟻群算法在優(yōu)化問(wèn)題中的應(yīng)用
附錄
參考文獻(xiàn)