學習型智能優(yōu)化算法及其應用（排序與調度叢書）

定　價：￥99.00

作　者：	邢立寧，陳英武，向尚
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302514695	出版時間：	2019-08-01	包裝：
開本：		頁數(shù)：		字數(shù)：

內容簡介

　　本書在現(xiàn)有智能優(yōu)化方法的基礎上，探索學習型智能優(yōu)化方法的基本框架。書中采用智能優(yōu)化模型和知識模型相結合的集成建模思路，總結了精英個體知識、構件知識、算子知識和參數(shù)知識4種知識形式，構建了用于實現(xiàn)學習型智能優(yōu)化方法的8類典型知識，以此輔助學習型智能優(yōu)化方法高效地求解復雜優(yōu)化問題。針對連續(xù)優(yōu)化問題、離散優(yōu)化問題（非對稱旅行商問題、雙層CARP優(yōu)化問題、柔性作業(yè)車間調度問題）和實際工程問題（體系仿真優(yōu)化問題、衛(wèi)星地面站系統(tǒng)任務調度問題、多星任務規(guī)劃問題），分別設計了若干種學習型智能優(yōu)化算法，并對優(yōu)化結果進行了分析和解釋。本書主要面向在運籌學領域研究智能優(yōu)化方法的企業(yè)、高校與科研院所的研究人員，幫助讀者了解學習型智能優(yōu)化算法的基本原理與框架流程，提高讀者對學習型智能優(yōu)化算法的實踐與應用能力，促進學習型智能優(yōu)化算法的發(fā)展與完善。

作者簡介

　　佛山科學技術學院特聘三級教授，2009在國防科學技術大學獲管理學博士，主要研究方向為智能優(yōu)化、資源調度及任務規(guī)劃等。博士論文被評為全國優(yōu)秀博士學位論文，在國內外期刊上發(fā)表80余篇論文（SCI檢索30余篇），所發(fā)論文共被引用700余次，一篇論文入選ESI引用前1%論文，六篇論文入選ESI引用前10%論文。相關研究成果分別榮獲湖南省自然科學二等獎（第二完成人）、吳文俊人工智能科學技術二等獎（獨立署名）和武警科學技術進步二等獎（第四完成人）。入選湖湘青年科技創(chuàng)新創(chuàng)業(yè)平臺培養(yǎng)對象和教育部“新世紀優(yōu)秀人才支持計劃”；獲得國防科學技術大學杰出青年項目和湖南省自然科學杰出青年基金項目。出版專著4部，獲得11項國家發(fā)明專利授權，主持國家自然科學基金等項目10余項，目前正在帶領團隊研發(fā)面向新型遙感衛(wèi)星的星上自主任務規(guī)劃平臺。

圖書目錄

第1章緒論
1.1背景及意義
1.1.1背景
1.1.2動機
1.2智能優(yōu)化方法
1.3知識導向的智能優(yōu)化算法
1.3.1傳統(tǒng)人工智能引導的智能優(yōu)化算法
1.3.2特定知識模型引導的智能優(yōu)化算法
1.3.3具有雙層進化機制的文化算法
1.4章節(jié)結構
第2章學習型智能優(yōu)化方法
2.1學習型智能優(yōu)化相關理論
2.1.1知識
2.1.2知識模型
2.1.3遺傳算法
2.1.4蟻群算法
2.1.5學習型智能優(yōu)化的基本框架
2.1.6學習型智能優(yōu)化的運行機制
2.2學習型智能優(yōu)化中的知識
2.2.1精英個體知識
2.2.2構件知識
2.2.3算子知識
2.2.4參數(shù)知識
2.3學習型智能優(yōu)化算法的框架與流程
2.3.1求解函數(shù)優(yōu)化問題的學習型遺傳算法框架與流程
2.3.2求解非對稱旅行商問題的學習型遺傳算法框架與
流程
2.3.3求解雙層CARP優(yōu)化問題的學習型遺傳算法框架與
流程
2.3.4求解雙層CARP優(yōu)化問題的學習型蟻群算法框架與
流程
2.3.5求解柔性作業(yè)車間調度問題的學習型蟻群算法框架與
流程
2.3.6求解柔性作業(yè)車間調度問題的學習型協(xié)同進化算法框架與
流程
2.3.7求解體系仿真優(yōu)化問題的學習型遺傳算法框架與
流程
2.3.8求解衛(wèi)星地面站系統(tǒng)任務調度的學習型蟻群算法框架與
流程
2.3.9求解多星任務規(guī)劃問題的學習型蟻群算法框架與
流程
2.4本章小結
第3章求解函數(shù)優(yōu)化問題的學習型遺傳算法
3.1問題描述及特點分析
3.2求解過程
3.2.1種群初始化
3.2.2選擇操作
3.2.3交叉操作
3.2.4變異操作
3.2.5災變操作
3.2.6終止條件
3.3實驗結果及分析
3.3.1參數(shù)設置
3.3.2幾種典型的函數(shù)優(yōu)化方法
3.3.3普通測試函數(shù)的實驗結果
3.3.4組合測試函數(shù)的實驗結果
3.4本章小結
第4章求解非對稱旅行商問題的學習型遺傳算法
4.1問題描述及特點分析
4.1.1旅行商問題描述
4.1.2旅行商問題的分類
4.1.3旅行商問題的應用和價值
4.1.4旅行商問題的計算復雜性
4.2求解過程
4.2.1種群初始化操作
4.2.2選擇操作
4.2.3交叉操作
4.2.4變異操作
4.2.5種群替換操作
4.2.6局部優(yōu)化操作
4.2.7終止條件
4.3實驗結果及分析
4.4本章小結
第5章求解雙層CARP優(yōu)化問題的學習型遺傳算法和學習型蟻群
算法
5.1問題描述及特點分析
5.1.1雙層CARP優(yōu)化問題的相關術語
5.1.2雙層CARP優(yōu)化問題的數(shù)學模型
5.1.3雙層CARP優(yōu)化問題的簡單實例
5.1.4雙層CARP優(yōu)化問題的特點
5.2求解框架
5.2.1雙層CARP優(yōu)化問題的求解框架
5.2.2宏觀配置優(yōu)化方法
5.2.3擴展啟發(fā)式方法ERPS
5.2.4擴展啟發(fā)式方法ERUH
5.3求解過程
5.3.1學習型遺傳算法求解過程
5.3.2學習型蟻群算法求解過程
5.4學習型遺傳算法的實驗結果及分析
5.4.1實驗設計和參數(shù)設置
5.4.2LEGA1和LEGA2的比較實驗
5.4.3LEGA2和LEGA3的比較實驗
5.4.4ERPS和LEGA3的比較實驗
5.4.5ERUH和LEGA3的比較實驗
5.4.6不同方法的優(yōu)化曲線
5.5學習型蟻群算法的實驗結果及分析
5.5.1實驗設計和參數(shù)設置
5.5.2ERPS和LEACO的實驗結果
5.5.3ERUH和LEACO的實驗結果
5.5.4LEGA和LEACO的實驗結果
5.6本章小結
第6章求解柔性作業(yè)車間調度問題的學習型蟻群算法和學習型協(xié)同
進化算法
6.1問題描述及特點分析
6.1.1柔性作業(yè)車間調度問題的描述
6.1.2柔性作業(yè)車間調度問題的分類
6.1.3柔性作業(yè)車間調度問題的特點
6.1.4柔性作業(yè)車間調度問題的求解過程
6.2求解過程
6.2.1學習型蟻群算法求解過程
6.2.2學習型協(xié)同進化算法求解過程
6.3學習型蟻群算法的實驗結果及分析
6.4學習型協(xié)同進化算法的實驗結果及分析
6.5本章小結
第7章求解體系仿真優(yōu)化問題的學習型遺傳算法
7.1問題描述
7.1.1體系實例
7.1.2數(shù)學模型
7.2求解過程
7.2.1分層優(yōu)化方法
7.2.2學習型遺傳算法步驟
7.3實驗結果及分析
7.4本章小結
第8章求解衛(wèi)星地面站系統(tǒng)任務調度的學習型蟻群算法
8.1問題描述
8.2求解過程
8.2.1信息素的定義和初始化
8.2.2可行解的構造
8.2.3導向局部搜索方法
8.2.4信息素的更新
8.2.5終止準則
8.3實驗結果及分析
8.4本章小結
第9章求解多星任務規(guī)劃問題的學習型蟻群算法
9.1問題描述
9.1.1多星任務規(guī)劃的基本輸入要素
9.1.2多星任務規(guī)劃的基本約束條件
9.1.3多星任務規(guī)劃的基本輸出要素
9.1.4多星任務規(guī)劃的基本假設
9.1.5多星任務規(guī)劃問題分析
9.2問題建模
9.2.1數(shù)學符號
9.2.2元任務
9.2.3合成任務
9.2.4收益函數(shù)構造
9.2.5多星任務規(guī)劃模型
9.3求解過程
9.3.1知識初始化
9.3.2任務指派
9.3.3任務合成
9.3.4調度改進
9.3.5知識學習
9.3.6終止準則
9.4實驗結果及分析
9.4.1測試實例的構造
9.4.2實驗結果及分析
9.5本章小結
第10章總結與展望
10.1主要成果
10.2研究展望
參考文獻
索引
附錄A函數(shù)優(yōu)化問題的一些普通測試函數(shù)
附錄B函數(shù)優(yōu)化問題的一些組合測試函數(shù)
附錄C雙層CARP優(yōu)化問題的測試實例
附錄D雙層CARP優(yōu)化問題的下限估計方法
D.1服務成本的下限估計
D.2空車成本的下限估計
D.3倉庫構建成本的下限估計
D.4車輛購置成本的下限估計
附錄E英漢排序與調度詞匯