电子工业出版社-网上书店

本书全面概括了用演化方法求解优化问题的一些新方法，重点介绍了进化规划、粒子群优化、微分演化、文化算法和蚁群算法，并阐述了几种新的改进算法，例如，群体启发进化规划方法、模拟退火粒子群优化算法及有分工策略的粒子群优化等，同时就所涉及的算法进行了系统的实验和比较，讨论了不同算法对不同环境的适应能力。本书可作为从事群体智能、演化计算等领域的研究人员的参考书，对于解决优化问题有一定的参考和应用价值。

目录

第1章  绪论	1
1.1  最优化问题	2
1.2  求解优化问题的数学方法	4
1.3  求解优化问题的演化计算方法	5
第2章  遗传算法	9
2.1  标准遗传算法	10
2.2  编码	12
2.2.1  二进制编码	12
2.2.2  值编码（Value Encoding）	12
2.2.3  互换编码（Permutation Encoding）	13
2.3  遗传算子	14
2.3.1  交叉	14
2.3.2  变异	16
2.3.3  选择	17
2.4  参数控制	19
2.5  模式定理和隐并行性定理	19
2.6  收缩映射原理	21
2.7  小结	24



第3章  进化规划	26
3.1  标准进化规划方法	27
3.2  进化策略	29
3.3  概率分析	30
3.4  群体启发进化规划	34
3.4.1  群体启发进化规划算法	34
3.4.2  PHEP算法验证	36
3.5  用群体启发进化规划求解高维优化问题	41
3.5.1  高维优化	41
3.5.2  实验结果	42
3.6  小结	45
第4章  粒子群优化	46
4.1  标准粒子群优化方法	48
4.2  二进制粒子群优化算法	50
4.3  参数设置	57
4.4  粒子轨迹的确定性分析	60
4.5  粒子的分布特征	63
4.6  粒子的聚度	64
4.7  模拟退火粒子群优化方法	67
4.7.1  模拟退火	68
4.7.2  模拟退火粒子群优化	69
4.8  有分工策略的粒子群优化方法	71
4.9  算法测试	74
4.10  动态优化	76
4.10.1  线性模型	77
4.10.2  环形模型	77
4.10.3  随机模型	78
4.10.4  动态优化仿真	78
4.11  小结	84
第5章  微分演化	86
5.1  微分演化方法描述	87
5.2  DE参数的设置	90
5.3  算法仿真	91
5.3.1  低维条件下的仿真结果	91
5.3.2  高维条件下的仿真结果	92
5.4  微分演化粒子群优化	93
5.5  用DE确定PSO的最佳参数	96
5.6  小结	98
第6章  文化算法	99
6.1  约束的处理	101
6.1.1  可行解和不可行解	101
6.1.2  可行个体评价函数 的设计	102
6.1.3  不可行个体的处理	103
6.2  文化算法简介	108
6.2.1  文化算法框架	108
6.2.2  信仰空间的约束表达和信仰空间的更新	109
6.2.3  群体空间的演化	113
6.3  算法测试	113
6.4  小结	114
第7章  蚁群优化	116
7.1  蚁群优化算法	117
7.2  蚁群聚类	120
7.3  小结	123
第8章  应用举例	125
8.1  属性约简	126
8.1.1  信息系统与属性约简	126
8.1.2  常用的属性约简方法	126
8.1.3  基于遗传算法的属性约简	129
8.2  电力负荷关联规则提取	132
8.2.1  问题概述	132
8.2.2  关联规则	133
8.2.3  频项集挖掘	136
8.2.4  基于DPSO方法负荷规则萃取	138
8.3  神经网络训练	142
8.3.1  神经元模型	143
8.3.2  神经网络	144
8.3.3  神经网络的学习	145
8.3.4  前向神经网络	146
8.4  小结	149
附录A  无约束优化问题	151
附录B  约束优化问题	158
参考文献	163

前言 


最优化问题是一门既古老又年轻的学科，特别是随着科学技术的发展，许多更加复杂的大规模优化问题不断涌现出来，本书详细阐述了基于演化方法的最优化问题求解，主要内容包括：
① 基于遗传算法的优化问题求解。
② 进化规划和群体启发进化规划。
③ 粒子群优化算法和算法改进。
④ 微分演化方法。
⑤ 基于文化算法的约束优化问题求解。
⑥ 蚁群算法。
⑦ 演化算法的应用示例。
本书共分8章：第1章为绪论，介绍本书的研究背景，对求解优化问题的数学方法和演化计算方法进行了简要的概括和比较；第2章对基于遗传算法的最优化问题求解过程进行了阐述，对以往的一些处理技巧进行了论述；第3章对标准进化规划进行了分析，阐述了群体启发进化规划方法，并把它应用于求解高维优化问题；第4章介绍了PSO算法，并进一步阐述了关于PSO方法的两种改进方法；第5章介绍了微分演化方法的执行过程；第6章概括了用演化方法求解约束优化问题的几个策略，着重介绍了几种不可行个体的处理方式，讨论了基于约束与群体的分离策略的文化算法；第7章对蚁群算法和蚁群聚类进行介绍；第8章列举了几个演化计算方法在实际问题中的应用示例。
本书的工作得到了国家自然基金（61272244,60970088,61175053,61173173）等项目和山东省高校智能信息处理重点实验室（山东工商学院）的资助，在此表示感谢。
此外，还要特别感谢吉林大学的周春光教授，山东工商学院的范辉教授、原达教授、谢青松教授、刘培强教授，感谢他们为本书写作提供的帮助与支持。由于水平有限，书中难免有疏漏和不足之处，敬请读者指正。作者的联系方式为：qsdou@yeah.net。


作者 
2015年2月

计算机—计算机网络

窦全胜，教授，中国科学院计算技术研究所博士后，中国计算机学会会员，现为山东工商学院教师。主要研究领域：解决优化问题的计算智能理论与方法、数据挖掘、知识工程与知识处理。

本书配套资源下载

对不起，暂无音视频资源！

演化计算方法及应用