图书介绍
蚁群算法原理及其应用PDF|Epub|txt|kindle电子书版本网盘下载
- 段海滨著 著
- 出版社： 北京：科学出版社
- ISBN：7030162048
- 出版时间：2005
- 标注页数：447页
- 文件大小：21MB
- 文件页数：464页
- 主题词：智能控制－算法
PDF下载
下载说明
蚁群算法原理及其应用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
目录1
第1章 绪论1
1.1 引言1
1.2 蚂蚁的生物学特征2
1.3 蚁群算法的思想起源8
1.4 蚁群算法的研究进展11
1.5 本书的体系结构15
1.6 本章小结18
参考文献18
第2章 基本蚁群算法原理及其复杂度分析24
2.1 引言24
2.2 基本蚁群算法的原理24
2.3 基本蚁群算法的系统学特征26
2.4 基本蚁群算法的数学模型29
2.5 基本蚁群算法的具体实现36
2.6 基本蚁群算法的复杂度分析39
2.7 基本蚁群算法的性能评价指标42
2.8 本章小结42
参考文献43
第3章 蚁群算法的收敛性研究45
3.1 引言45
3.2 图搜索蚂蚁系统（GBAS）的收敛性研究45
3.3 一类改进蚁群算法的收敛性证明59
3.4 GBAS/tdev和GBAS/tdlb的确定性收敛证明65
3.5 基本蚁群算法的A.S．收敛性研究72
3.6 一类分布式蚂蚁路由算法的收敛性研究76
3.7 基于分支路由和Wiener过程的蚁群算法收敛性证明81
3.8 一种简单蚁群算法及其收敛性分析84
3.9 遗传-蚁群算法的Markov收敛性分析90
3.10 一类广义蚁群算法（GACA）的收敛性分析93
3.11 本章小结97
参考文献98
第4章 蚁群算法的实验分析及参数选择原则100
4.1 引言100
4.2 蚁群行为和参数对算法性能影响的实验分析100
4.3 蚁群算法参数最优组合的“三步走”方法116
4.4 本章小结117
参考文献117
第5章 离散域蚁群算法的改进研究119
5.1 引言119
5.2 自适应蚁群算法119
5.3 基于去交叉局部优化策略的蚁群算法125
5.4 基于信息素扩散的蚁群算法130
5.5 多态蚁群算法135
5.6 基于模式学习的小窗口蚁群算法139
5.7 基于混合行为的蚁群算法144
5.8 带聚类处理的蚁群算法148
5.9 基于云模型理论的蚁群算法153
5.10 具有感觉和知觉特征的蚁群算法157
5.11 具有随机扰动特性的蚁群算法166
5.12 基于信息熵的改进蚁群算法169
5.13 本章小结172
参考文献172
第6章 连续域蚁群算法的改进研究175
6.1 引言175
6.2 基于网格划分策略的连续域蚁群算法176
6.3 基于信息量分布函数的连续域蚁群算法179
6.4 连续域优化问题的自适应蚁群算法183
6.5 基于交叉变异操作的连续域蚁群算法187
6.6 嵌入确定性搜索的连续域蚁群算法190
6.7 基于密集非递阶的连续交互式蚁群算法（CIACA）194
6.8 多目标优化问题的连续域蚁群算法201
6.9 复杂多阶段连续决策问题的动态窗口蚁群算法205
6.10 本章小结209
参考文献209
第7章 蚁群算法的典型应用212
7.1 引言212
7.2 车间作业调度问题212
7.3 网络路由问题225
7.4 车辆路径问题238
7.5 机器人领域249
7.6 电力系统258
7.7 故障诊断268
7.8 控制参数优化272
7.9 系统辨识282
7.10 聚类分析290
7.11 数据挖掘297
7.12 图像处理302
7.13 航迹规划306
7.14 空战决策310
7.15 岩土工程315
7.16 化学工业319
7.17 生命科学323
7.18 布局优化327
7.19 本章小结331
参考文献332
第8章 蚁群算法的硬件实现343
8.1 引言343
8.2 仿生硬件概述343
8.3 基于FPGA的蚁群算法硬件实现346
8.4 基于蚁群算法和遗传算法动态融合的软硬件划分360
8.5 本章小结371
参考文献372
第9章 蚁群算法同其他仿生优化算法的比较与融合374
9.1 引言374
9.2 其他几种仿生优化算法的基本原理374
9.3 蚁群算法与其他仿生优化算法的异同比较382
9.4 蚁群算法与遗传算法的融合385
9.5 蚁群算法与人工神经网络的融合390
9.6 蚁群算法与微粒群算法的融合398
9.7 蚁群算法与人工免疫算法的融合402
9.8 本章小结410
参考文献410
10.2 蚁群算法的模型改进414
10.1 引言414
第10章 展望414
10.3 蚁群算法的理论分析415
10.4 蚁群算法的并行实现416
10.5 蚁群算法的应用领域417
10.6 蚁群算法的硬件实现418
10.7 蚁群算法的智能融合418
10.8 本章小结419
参考文献419
附录A 基本蚁群算法程序421
A.1 C语言版421
A.2 Matlab语言版426
A.3 Visual Basic语言版432
附录B 相关网站439
附录C 基本术语（中英文对照）及缩略语441
附录D （词一首）鹧鸪天·蚁群算法447