图书介绍
智能优化方法及应用PDF|Epub|txt|kindle电子书版本网盘下载
- 柳炳祥，汤可宗主编 著
- 出版社： 南京：江苏美术出版社
- ISBN：9787558030222
- 出版时间：2017
- 标注页数：139页
- 文件大小：26MB
- 文件页数：148页
- 主题词：计算机算法－最优化算法
PDF下载
下载说明
智能优化方法及应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1 最优化方法的意义2
1.2 最优化方法的分类4
1.3 智能优化方法的产生与发展5
1.4 怎样学习智能优化方法8
思考题10
参考文献10
第2章 遗传算法12
2.1 导言13
2.2 基本原理13
2.2.1 基本思想13
2.2.2 组成要素13
2.2.3 算法流程18
2.3 遗传算法的数学机理19
2.3.1 模式的概念19
2.3.2 模式定理19
2.4 实例分析22
思考题24
参考文献24
第3章 蚁群算法26
3.1 导言27
3.2 基本原理27
3.2.1 蚁群觅食的特性27
3.2.2 蚂蚁系统模型28
3.2.3 蚁群算法的实现29
3.3 复杂度及收敛性分析30
3.3.1 复杂度分析30
3.3.2 收敛性分析31
3.4 蚁群算法的改进34
3.4.1 蚁群算法的改进思路34
3.4.2 最大最小蚁群系统（MMAS）35
3.4.3 分段算法35
3.4.4 小窗口蚁群算法36
3.4.5 智能蚂蚁算法36
3.4.6 自适应蚁群算法37
3.4.7 具有变异和分工特征的蚁群算法37
3.5 实例分析38
3.5.1 图像分割问题38
3.5.2 求解TSP的蚁群算法与免疫算法混合方法41
思考题42
参考文献43
第4章 粒子群优化算法44
4.1 导言45
4.1.1 复杂适应系统45
4.1.2 人工生命45
4.2 粒子群优化算法的发展46
4.2.1 基本粒子群优化算法46
4.2.2 标准粒子群优化算法47
4.2.3 带有收缩因子的粒子群优化算法48
4.2.4 二进制粒子群优化算法49
4.3 粒子群优化算法的理论分析49
4.3.1 单个粒子行为分析49
4.3.2 代数分析和解析分析50
4.3.3 差分方程分析50
4.3.4 基于热力学类比的算法分析50
4.3.5 基于随机过程的收敛性分析50
4.4 粒子群优化算法的种群结构50
4.4.1 静态邻域拓扑结构研究51
4.4.2 动态邻域拓扑结构研究52
4.5 粒子群优化算法的参数选择及优化52
4.6 粒子群优化算法与其他思想的融合54
4.6.1 PSO算法与演化计算思想的融合54
4.6.2 PSO算法与自然界中思想的融合54
4.6.3 PSO算法与物理学中思想的融合55
4.7 粒子优化算法的应用研究55
4.8 应用举例-基于粒子群优化算法的函数优化56
思考题62
参考文献62
第5章 模拟退火算法66
5.1 导言67
5.2 局部搜索67
5.2.1 邻域与局部最优67
5.2.2 爬山法68
5.2.3 跳出局部最优69
5.3 模拟退火算法69
5.3.1 固体退火过程69
5.3.2 Metropolis准则70
5.3.3 模拟退火算法流程71
5.3.4 模拟退火算法参数分析72
5.4 模拟退火算法的改进73
5.4.1 改进的策略73
5.4.2 具体的改进策略和改进算法74
5.5 应用举例76
5.5.1 基于模拟退火算法的函数优化76
5.5.2 基于模拟退火算法的TSP问题求解78
思考题81
参考文献81
第6章 基于重采样和PBIL算法的自适应选择性谱聚类集成83
6.1 导言84
6.2 PBIL算法84
6.3 基于重采样和PBIL的自适应选择性集成85
6.4 实验结果与分析86
6.4.1 结果分析87
6.4.2 收敛性分析90
思考题96
参考文献96
第7章 组合预测模型及其应用97
7.1 导言98
7.2 常用智能算法99
7.2.1 BP人工神经网络99
7.2.2 遗传算法101
7.2.3 粒子群算法102
7.2.4 思维进化算法102
7.2.5 GM（1，1）灰色模型算法102
7.3 一种基于BP神经网络组合的人口预测模型103
7.3.1 BP神经网络模型建立104
7.3.2 BP神经网络模型的改进与优化105
7.3.3 一种基于BP神经网络组合的人口预测模型106
7.4 一种基于数据融合算法的粮食产量组合预测模型107
7.4.1 BP神经网络模型的建立与性能分析108
7.4.2 BP神经网络模型的改进与优化108
7.4.3 一种基于数据融合算法的粮食产量组合预测模型110
7.4.4 组合模型对美国小麦产量的预测及性能分析112
7.5 组合模型在中国GDP预测中的应用113
7.5.1 BP神经网络模型建立与性能分析114
7.5.2 BP神经网络模型的改进与优化114
7.5.3 一种基于数据融合算法的GDP组合预测模型116
思考题118
参考文献118
第8章 自动文摘120
8.1 导言121
8.2 自动文摘的分类122
8.3 自动文摘的一般流程123
8.3.1 相关文档确定124
8.3.2 文摘句抽取124
8.3.3 摘要生成126
8.4 自动文摘的评价方法126
8.4.1 内部评价126
8.4.2 外部评价127
思考题127
参考文献128
第9章 文本倾向性分析129
9.1 导言130
9.2 主客观分类130
9.3 观点持有者抽取131
9.4 评价特征抽取131
9.4.1 人工定义特征131
9.4.2 评价特征的自动抽取131
9.5 情感词语抽取及倾向性识别132
9.6 句子倾向性识别134
9.6.1 基于信息抽取的无监督识别策略135
9.6.2 基于机器学习的有监督分类方法135
9.7 篇章倾向性识别135
9.8 海量数据的整体倾向性分析136
9.9 相关会议及评测136
思考题137
参考文献137