蚁群优化PDF|Epub|txt|kindle电子书版本网盘下载

蚁群优化PDF格式电子书版下载

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

1 从真实蚂蚁到人工蚂蚁1

1.1 蚂蚁的觅食行为及其优化过程2

1.1.1 双桥实验2

1.1.2 随机模型6

1.2 向人工蚂蚁转换7

1.3 人工蚂蚁和最小成本路径10

1.3.1 S-ACO12

1.3.2 有关S-ACO的实验15

1.5 需要牢记的知识点21

1.4 书目评注21

1.6 思考与计算习题22

2 蚁群优化元启发式算法24

2.1 组合优化25

2.1.1 计算复杂度26

2.1.2 NP-难问题的解决方法28

2.1.3 什么是元启发式算法32

2.2 ACO元启发式算法33

2.2.1 问题描述33

2.2.2 蚂蚁的行为35

2.2.3 元启发式算法36

2.3 如何应用ACO39

2.3.1 旅行商问题40

2.3.2 顺序排列问题41

2.3.3 广义分配问题41

2.3.4 多重背包问题43

2.3.5 网络路由问题44

2.3.6 动态旅行商问题45

2.4 其他元启发式算法45

2.4.1 模拟退火47

2.4.2 禁忌搜索48

2.4.3 导向性局部搜索50

2.4.4 迭代局部搜索52

2.4.5 贪婪随机自适应搜索过程53

2.4.6 进化计算54

2.4.7 分散搜索56

2.5 书目评注58

2.6 需要牢记的知识点60

2.7 思考与计算习题61

3 旅行商问题中的蚁群优化算法63

3.1 旅行商问题64

3.2 TSP中的ACO算法65

3.3 蚂蚁系统及其直接后续算法68

3.3.1 蚂蚁系统68

3.3.2 精华蚂蚁系统71

3.3.3 基于排列的蚂蚁系统72

3.3.4 最大最小蚂蚁系统73

3.4 蚂蚁系统的扩展75

3.4.1 蚁群系统75

3.4.2 近似非确定性树搜索78

3.4.3 ACO的超立方体框架79

3.5 并行执行81

3.6 实验测评82

3.6.1 ACO算法的行为83

3.6.2 蚂蚁系统与它的扩展算法的比较89

3.7 添加局部搜索的ACO90

3.7.1 如何在ACO算法中加入局部搜索91

3.8 ACO算法的实现98

3.8.1 数据结构98

3.8.2 算法102

3.8.3 实现其他ACO算法时的修改109

3.9 书目评注111

3.10 需要牢记的知识点114

3.11 思考与计算习题115

4 蚁群优化理论117

4.1 ACO的理论思考118

4.2 问题和算法119

4.3 收敛性证明123

4.3.1 值收敛124

4.3.2 解收敛126

4.3.3 ACO算法的附加特性129

4.3.4 证明实际上说明了什么问题130

4.3.5 一些ACO算法的收敛性131

4.4 ACO与基于模型的搜索133

4.4.1 基于模型的搜索133

4.4.2 MBS框架中的SGA和CE135

4.4.3 ACO,SGA和CE139

4.5 书目评注143

4.6 需要牢记的知识点144

4.7 思考与计算习题145

5 NP-难问题的蚁群优化146

5.1.1 顺序排列147

5.1 路由问题147

5.1.2 车辆路由149

5.2 分配问题153

5.2.1 二次分配154

5.2.2 广义分配问题157

5.2.3 频率分配159

5.2.4 其他针对分配问题的ACO应用160

5.3 调度问题161

5.3.1 单机器总权重延迟调度162

5.3.2 工序车间、开放车间和组车间调度166

5.3.3 资源约束项目调度171

5.3.4 其他针对调度问题的ACO应用174

5.4 子集问题175

5.4.1 集合覆盖175

5.4.2 带权约束的图树分割问题177

5.4.3 边带权l-基树问题179

5.4.4 针对其他子集问题的ACO应用181

5.5 对其他NP-难问题的ACO应用183

5.5.1 最短公共超序列问题183

5.5.2 箱子包装187

5.5.3 2D-HP蛋白质折叠190

5.5.4 带约束满足193

5.6 机器学习问题196

5.6.1 分类规则的学习197

5.6.2 贝叶斯网络结构的学习200

5.6.3 其他针对机器学习问题的ACO应用202

5.7 ACO的使用原则202

5.7.1 构建图203

5.7.2 信息素的定义204

5.7.3 探索与开发的平衡205

5.7.4 启发式信息206

5.7.5 ACO算法和局部搜索207

5.7.6 蚂蚁的数目208

5.7.7 候选列表209

5.7.8 使用ACO算法求解问题的步骤209

5.8 书目评注210

5.9 需要牢记的知识点212

5.10 思考与计算习题213

6 AntNet：数据网络路由中的ACO算法215

6.1.1 路由算法的广义分类216

6.1 路由问题216

6.1.2 通信网络模型218

6.2 AntNet算法220

6.2.1 AntNet：数据结构221

6.2.2 AntNet：算法222

6.2.3 如何评价一个蚂蚁旅程的优劣228

6.3 实验设置229

6.3.1 网络的拓扑结构和物理特性229

6.3.2 流量模式230

6.3.4 具有竞争力的路由算法及其参数232

6.3.3 性能评价的标准232

6.4 实验结果234

6.4.1 NSFnet235

6.4.2 NTTnet238

6.4.3 路由开销240

6.5 AntNet与媒介质242

6.6 AntNet、蒙特卡罗仿真和强化学习244

6.6.1 AntNet作为带有偏向探索的蒙特卡罗在线系统244

6.6.2 AntNet与强化学习245

6.7 书目评注246

6.8 需要牢记的知识点248

6.9 思考与计算习题248

7 总结与对未来的展望250

7.1 我们对ACO了解多少250

7.1.1 理论发展251

7.1.2 实验结果和实际应用252

7.2 ACO当前的发展趋势253

7.2.1 动态优化问题253

7.2.2 随机优化问题255

7.2.3 多目标优化问题256

7.2.4 并行化257

7.2.5 对ACO工作行为的理解258

7.3 蚂蚁算法259

7.3.1 受觅食行为和标记路径行为启发的其他模式260

7.3.2 受孵化分类启发的模型261

7.3.3 受劳动分工启发的模型262

7.3.4 协作运输启发的模型263

附录 有关ACO领域的信息来源264

参考文献266

索引290