新書推薦:
《
绝美的奥伦堡蕾丝披肩编织
》
售價:NT$
806.0
《
狂飙年代:18世纪俄国的新文化和旧文化(第二卷)
》
售價:NT$
806.0
《
万有引力书系 纳粹亿万富翁 德国财富家族的黑暗历史
》
售價:NT$
500.0
《
中国常见植物野外识别手册:青海册
》
售價:NT$
347.0
《
三星堆对话古遗址(从三星堆出发,横跨黄河流域,长江流域,对话11处古遗址,探源多元一体的中华文明)
》
售價:NT$
398.0
《
迷人的化学(迷人的科学丛书)
》
售價:NT$
653.0
《
宋代冠服图志(详尽展示宋代各类冠服 精美插图 考据严谨 细节丰富)
》
售價:NT$
398.0
《
形似神异:什么是中日传统政治文化的结构性差异
》
售價:NT$
254.0
編輯推薦:
自然界的种群,如雨林中的各种动植物、飞翔的鸟群,虽然个体是低智能生物,但是群集呈现某些高智能特性,如飞鸟群体的秩序。《仿生智能优化凤仙花算法》将这种自然现象的仿生研究与智能优化算法结合,以新型群集智能优化算法设计为目标,进行了相关理论方法、技术及实验研究,反映了创新性的研究成果。
內容簡介:
《仿生智能优化凤仙花算法》系统地描述了一种新型群体智能算法——凤仙花优化算法,它的产生、算法实现、理论分析、算法改进及其应用,为读者勾勒出了凤仙花优化算法的全景图像。主要内容包括: 凤仙花优化算法的基本原理与实现及其性能分析、收敛性和时间复杂度分析、改进算法、多目标凤仙花优化算法的化实现,以及几种应用实例。书中重点介绍了凤仙花优化的参数设定,各种改进方法、多目标优化、与典型群体智能算法的性能对比分析等。书中还包括了凤仙花优化算法的最新资料和一些重要算法的流程图,以及源代码,供感兴趣的读者参阅和使用。《仿生智能优化凤仙花算法》可供人工智能、控制科学与工程、计算机算法等专业领域研究人员参考,也可供相关专业研究生教学使用。
關於作者:
李圣普,博士,副教授,获东华大学控制科学与工程专业工学博士学位。在平顶山学院工作期间两次获得教学技能竞赛二等奖,先后获得“中青年骨干教师”、“科研业绩先进个人”等称号。在教科研方面,参与在研国家重点研发计划“智能机器人”重点专项一项,主持完成河南省科技攻关项目、河南省教师教育改革项目和河南省高校重点科技项目各一项。主要研究方向为群集智能优化计算,近三年本人公开发表多篇SCI、EI论文,担任《Neural Computing and Applications》等多个期刊的审稿人。
目錄 :
第1章绪论1
1.1群集智能的提出1
1.2群集智能的研究历史与现状3
1.3凤仙花优化算法的研究内容6
1.4主要创新点8
1.5未来研究方向9
第2章凤仙花种子传播模式10
2.1智能的基本概念11
2.2群集智能12
2.3生物自适应体15
2.4凤仙花的植物学特性17
2.5凤仙花种子传播模式19
2.6本章小结22
第3章凤仙花优化算法23
3.1引言23
3.2凤仙花优化算法的组成24
3.3凤仙花优化算法的实现28
3.4凤仙花优化算法的讨论33
3.5凤仙花优化算法的实验34
3.6本章小结51
第4章算法的基础理论分析52
4.1引言52
4.2凤仙花优化算法的随机模型54
4.3凤仙花优化算法的全局收敛性56
4.4凤仙花优化算法的时间复杂度58
4.5本章小结65
第5章凤仙花优化算法的改进66
5.1引言67
5.2凤仙花授粉的生物学特征68
5.3增强型凤仙花优化算法69
5.4增强型凤仙花优化算法的实验74
5.5工程应用:3D增材印刷油墨转移率预测87
5.6本章小结100
第6章多目标凤仙花优化101
6.1研究背景101
6.2凤仙花优化算法的改进105
6.3协同多目标凤仙花优化算法108
6.4协同多目标凤仙花优化算法的实验115
6.5工程应用:碳纤维编织锭子结构优化129
6.6本章小结136
附录1CEC2006测试集函数137
附录2CEC2017测试集函数150
附录3158
参考文献160
內容試閱 :
我们生活的这颗湛蓝色星球,孕育着无数神奇的奥秘。一花一世界,一木一浮生。在漫长的人类历史中,人们不断地从大自然的一草一木中获得灵感、汲取智慧。
物竞天择、适者生存是自然界亘古不变的规律。在自然现象的启发下,研究人员对不同生物的行为或生存方式进行研究提出的群集智能概念,成为人工智能的一个分支,吸引了众多研究者进入这一研究领域。
本书将生物自适应体这一群集智能领域经典理论,与自然界中凤仙花种群快速搜索限定区间内最优生长区域现象相结合,抽象成求解优化问题的过程,并以此为基础提出一种新的群集智能优化算法,即凤仙花优化算法。
本书主要介绍凤仙花优化(GBO,Garden Balsam Optimization)算法的理论和应用,主要内容如下:①模仿凤仙花植物学特性,提出凤仙花种子传播模式;②给出凤仙花优化算法的设计过程;③凤仙花优化算法的基础理论分析,包括收敛性证明和计算复杂度分析;④对基础凤仙花优化算法进行改进,介绍增强型凤仙花优化算法(EGBO),该算法的实用性在3D增材印花质量预测中得到验证;⑤针对多目标优化问题,提出协同多目标凤仙花优化(CMGBO)算法,通过对比实验和碳纤维编织锭子结构优化工程实践,验证了该算法在解决所列问题过程中能得到较为满意的结果。
凤仙花种子传播模式和凤仙花优化算法从灵感来源到核心算子设计,都与现有的群集智能优化方法有所不同,同时它又建立在进化计算基础理论之上。凤仙花算法逻辑清晰、便于理解,工程中易于实现,相信该算法会有良好的应用前景。
在本书的写作过程中,笔者参考了国内外群集智能方面的书刊及文献资料,在此对这些文献的作者表示感谢。对于本书中的不当之处,恳请广大读者不吝赐教。
著者
2022年2月