电子工业出版社-网上书店

智能优化算法在解决大空间、非线性、全局寻优、组合优化等复杂问题方面具有独特的优势，因而得到了国内外学者的广泛关注，并在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。本书介绍了8种经典智能优化算法——遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法的来源、原理、算法流程和关键参数说明，并给出了具体的MATLAB仿真实例。对于要用这些算法工具来解决具体问题的理论研究和工程技术人员，通过本书可以节省大量查询资料和编写程序的时间，通过仿真实例可以更深入地理解、快速地掌握这些算法。

目    录
第1章  概述	1
　　1.1  进化类算法	2
　　1.2  群智能算法	3
　　1.3  模拟退火算法	5
　　1.4  禁忌搜索算法	5
　　1.5  神经网络算法	6
　　参考文献	6
第2章  遗传算法	9
　　2.1  引言	9
　　2.2  遗传算法理论	10
　　2.2.1  遗传算法的生物学基础	10
　　2.2.2  遗传算法理论基础	11
　　2.2.3  遗传算法的基本概念	13
　　2.2.4  标准遗传算法	16
　　2.2.5  遗传算法的特点	16
　　2.2.6  遗传算法的改进方向	17
　　2.3  遗传算法流程	17
　　2.4  关键参数说明	19
　　2.5  MATLAB仿真实例	20
　　参考文献	35
第3章  差分进化算法	37
　　3.1  引言	37
　　3.2  差分进化算法理论	38
　　3.2.1  差分进化算法原理	38
　　3.2.2  差分进化算法的特点	38
　　3.3  差分进化算法种类	39
　　3.3.1  基本差分进化算法	39
　　
　　3.3.2  差分进化算法的其他形式	41
　　3.3.3  改进的差分进化算法	42
　　3.4  差分进化算法流程	43
　　3.5  关键参数的说明	44
　　3.6  MATLAB仿真实例	45
　　参考文献	57
第4章  免疫算法	59
　　4.1  引言	59
　　4.2  免疫算法理论	60
　　4.2.1  生物免疫系统	60
　　4.2.2  免疫算法概念	62
　　4.2.3  免疫算法的特点	63
　　4.2.4  免疫算法算子	63
　　4.3  免疫算法种类	67
　　4.3.1  克隆选择算法	67
　　4.3.2  免疫遗传算法	67
　　4.3.3  反向选择算法	67
　　4.3.4  疫苗免疫算法	68
　　4.4  免疫算法流程	68
　　4.5  关键参数说明	70
　　4.6  MATLAB仿真实例	71
　　参考文献	84
第5章  蚁群算法	87
　　5.1  引言	87
　　5.2  蚁群算法理论	88
　　5.2.1  真实蚁群的觅食过程	88
　　5.2.2  人工蚁群的优化过程	90
　　5.2.3  真实蚂蚁与人工蚂蚁的异同	90
　　5.2.4  蚁群算法的特点	91
　　5.3  基本蚁群算法及其流程	92
　　5.4  改进的蚁群算法	95
　　5.4.1  精英蚂蚁系统	95
　　5.4.2  最大最小蚂蚁系统	95
　　5.4.3  基于排序的蚁群算法	96
　　5.4.4  自适应蚁群算法	96
　　5.5  关键参数说明	97
　　5.6  MATLAB仿真实例	99
　　参考文献	108
第6章  粒子群算法	111
　　6.1  引言	111
　　6.2  粒子群算法理论	112
　　6.2.1  粒子群算法描述	112
　　6.2.2  粒子群算法建模	113
　　6.2.3  粒子群算法的特点	113
　　6.3  粒子群算法种类	114
　　6.3.1  基本粒子群算法	114
　　6.3.2  标准粒子群算法	114
　　6.3.3  压缩因子粒子群算法	115
　　6.3.4  离散粒子群算法	116
　　6.4  粒子群算法流程	116
　　6.5  关键参数说明	117
　　6.6  MATLAB仿真实例	120
　　参考文献	135
第7章  模拟退火算法	137
　　7.1  引言	137
　　7.2  模拟退火算法理论	138
　　7.2.1  物理退火过程	138
　　7.2.2  模拟退火原理	139
　　7.2.3  模拟退火算法思想	140
　　7.2.4  模拟退火算法的特点	141
　　7.2.5  模拟退火算法的改进方向	141
　　7.3  模拟退火算法流程	142
　　7.4  关键参数说明	143
　　7.5  MATLAB仿真实例	145
　　参考文献	156
第8章  禁忌搜索算法	157
　　8.1  引言	157
　　8.2  禁忌搜索算法理论	158
　　8.2.1  局部邻域搜索	158
　　8.2.2  禁忌搜索	159
　　8.2.3  禁忌搜索算法的特点	159
　　8.2.4  禁忌搜索算法的改进方向	160
　　8.3  禁忌搜索算法流程	160
　　8.4  关键参数说明	162
　　8.5  MATLAB仿真实例	165
　　参考文献	176
第9章  神经网络算法	179
　　9.1  引言	179
　　9.2  神经网络算法理论	180
　　9.2.1  人工神经元模型	180
　　9.2.2  常用激活函数	181
　　9.2.3  神经网络模型	182
　　9.2.4  神经网络工作方式	182
　　9.2.5  神经网络算法的特点	183
　　9.3  BP神经网络算法	184
　　9.4  神经网络算法的实现	187
　　9.4.1  数据预处理	187
　　9.4.2  神经网络实现函数	188
　　9.5  MATLAB仿真实例	191
　　参考文献	199
附录A  MATLAB常用命令和函数	201

前    言
　　近年来，随着计算机技术的快速发展，为了在一定程度上解决大空间、非线性、全局寻优、组合优化等复杂问题，不少智能优化方法不断涌现，例如：进化类算法、群智能算法、模拟退火算法、禁忌搜索算法和神经网络算法等。因其独特的优点和机制，这些算法得到了国内外学者的广泛关注，掀起了研究热潮，在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。
　　本书介绍了8种经典智能优化算法的来源、原理、算法流程和关键参数说明，并给出了具体MATLAB仿真实例，包括：遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法。全书分为9章：第1章为概述，综合介绍智能优化算法的功能和应用以及主要算法的来源、原理和特点；第2～9章对上述8种智能优化算法分别进行介绍，包括其算法简介、算法理论、算法主要种类、算法流程和关键参数说明，并给出MATLAB仿真实例，其中有的章节还介绍算法的改进方向和实现方法。
　　智能优化算法可应用于电子、通信、计算机、自动化、机器人、经济学和管理学等众多学科；对于要用这些算法工具来解决具体问题的理论研究和工程技术人员来说，通过本书可以节省大量查询资料和编写程序的时间，通过MATLAB仿真实例可以更深入地理解、快速地掌握这些算法。由于每种算法的优化目标可以很多，对应的修正算法也很多，感兴趣的读者可以在此基础上进行深入研究。
　　本书的第1～4章和第7～9章由包子阳编写和修订；第5章和第6章由余继周编写和修订；杨杉参与第2章和第6章的修订以及对全书的审查和校正。书中的所有源程序均可在电子工业出版社网站（www.phei.com.cn）下载。在本书改版过程中，得到了北京无线电测量研究所人力资源处刘纪斌老师、档信中心董智文主任、《航天雷达》郭珊珊编辑、党办陈佳佳老师、所办郭少霞老师以及总体部的支持和帮助，电子工业出版社相关编辑为本书的出版付出了辛勤劳动，特此表示感谢。
　　由于编著者水平有限，书中难免有各种不足之处，诚挚希望各位专家和读者批评指正。联系方式：bao_ziyang@163.com。　　
　　
　　编著者
　　2017年11月

电子电工/计算机

包子阳：2009年6月毕业于电子科技大学信号与信息处理专业，获硕士学位。2009年8月至今工作于航天科工二院二十三所，高级工程师。从事雷达电气总体、信号处理和算法研究等工作。出版专著两本，申请专利五项（已授权两项），发表包括国际雷达会议、系统工程与电子技术在内的学术论文十余篇。

本书配套资源下载

对不起，暂无音视频资源！

智能优化算法及其MATLAB实例（第2版）