计算智能pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
下载压缩包 [复制下载地址] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页

计算智能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

第1章 绪论 1

1.1最优化问题 2

1.1.1函数优化问题 3

1.1.2组合优化问题 3

1.2计算复杂性及NP理论 4

1.2.1计算复杂性 4

1.2.2 NP理论 5

1.3智能优化计算方法：计算智能算法 6

1.3.1计算智能的分类与理论 7

1.3.2计算智能的研究与发展 9

1.3.3计算智能的特征与应用 10

1.4本章习题 11

本章参考文献 11

第2章 神经网络 13

2.1神经网络简介 14

2.1.1神经网络的基本原理 14

2.1.2神经网络的研究进展 15

2.2神经网络的典型结构 17

2.2.1单层感知器网络 17

2.2.2前馈型网络 18

2.2.3前馈内层互联网络 19

2.2.4反馈型网络 19

2.2.5全互联网络 20

2.3神经网络的学习算法 20

2.3.1学习方法 20

2.3.2学习规则 21

2.4 BP神经网络 23

2.4.1基本思想 23

2.4.2算法流程 24

2.4.3应用举例 25

2.5进化神经网络 27

2.6神经网络的应用 27

2.7本章习题 30

本章参考文献 30

第3章 模糊逻辑 33

3.1模糊逻辑简介 34

3.1.1模糊逻辑的基本原理 34

3.1.2模糊逻辑与模糊系统的发展历程 35

3.2模糊集合与模糊逻辑 36

3.2.1模糊集合与隶属度函数 36

3.2.2模糊集合上的运算 39

3.2.3模糊逻辑 40

3.2.4模糊关系及其合成运算 41

3.3模糊逻辑推理 42

3.3.1模糊规则、语言变量和语言算子 42

3.3.2模糊推理 43

3.4模糊计算的流程 45

3.4.1基本思想 46

3.4.2算法流程 46

3.5模糊逻辑的应用 48

3.6本章习题 50

本章参考文献 50

第4章 遗传算法 53

4.1遗传算法简介 54

4.1.1基本原理 54

4.1.2研究进展 57

4.2遗传算法的流程 58

4.2.1流程结构 58

4.2.2应用举例 63

4.3遗传算法的改进 65

4.3.1算子选择 65

4.3.2参数设置 66

4.3.3混合遗传算法 68

4.3.4并行遗传算法 68

4.4遗传算法的应用 71

4.5本章习题 73

本章参考文献 73

第5章 蚁群优化算法 81

5.1蚁群优化算法简介 82

5.1.1基本原理 82

5.1.2研究进展 84

5.2蚁群优化算法的基本流程 85

5.2.1基本流程 85

5.2.2应用举例 87

5.3蚁群优化算法的改进版本 88

5.3.1精华蚂蚁系统 89

5.3.2基于排列的蚂蚁系统 89

5.3.3最大最小蚂蚁系统 90

5.3.4蚁群系统 91

5.3.5蚁群算法的其他改进版本 94

5.4蚁群优化算法的相关应用 96

5.5蚁群优化算法的参数设置 98

5.6本章习题 100

本章参考文献 100

第6章 粒子群优化算法 107

6.1粒子群优化算法简介 108

6.1.1思想来源 108

6.1.2基本原理 109

6.2粒子群优化算法的基本流程 111

6.2.1基本流程 111

6.2.2应用举例 113

6.3粒子群优化算法的改进研究 113

6.3.1理论研究改进 115

6.3.2拓扑结构改进 116

6.3.3混合算法改进 119

6.3.4离散版本改进 121

6.4粒子群优化算法的相关应用 121

6.4.1优化与设计应用 121

6.4.2调度与规划应用 122

6.4.3其他方面的应用 123

6.5粒子群优化算法的参数设置 123

6.6本章习题 124

本章参考文献 125

第7章 免疫算法 131

7.1免疫算法简介 132

7.1.1思想来源 132

7.1.2免疫系统的生物学原理简介 133

7.1.3二进制模型 134

7.2免疫算法的基本流程 137

7.2.1基本流程 137

7.2.2更一般化的基本免疫算法 139

7.3常用免疫算法 141

7.3.1负选择算法 141

7.3.2克隆选择算法 142

7.3.3免疫算法和进化计算 146

7.4免疫算法的相关应用 148

7.4.1识别和分类应用 148

7.4.2优化应用 148

7.4.3其他方面的应用 149

7.5本章习题 149

本章参考文献 150

第8章 分布估计算法 155

8.1分布估计算法简介 156

8.1.1分布估计算法产生的背景 156

8.1.2分布估计算法的发展历史 157

8.2分布估计算法的基本流程 158

8.2.1基本的分布估计算法 158

8.2.2一个简单分布估计算法的例子 160

8.3分布估计算法的改进及理论研究 161

8.3.1概率模型的改进 161

8.3.2混合分布估计算法 166

8.3.3并行分布估计算法 167

8.3.4分布估计算法的理论研究 169

8.4分布估计算法的应用 169

8.5本章习题 171

本章参考文献 172

第9章 Memetic算法 177

9.1 Memetic算法的基本思想 178

9.2 Memetic算法的基本框架 179

9.3静态Memetic算法 182

9.3.1局部搜索的位置 182

9.3.2 Lamarckian模式和Baldwinian模式 183

9.4动态Memetic算法 183

9.4.1动态MA的简介与分类 183

9.4.2 Meta-Lamarckian学习型MA 185

9.4.3超启发式MA 186

9.4.4协同进化MA 187

9.5 Memetic算法的理论与应用研究展望 189

9.6本章习题 190

本章参考文献 191

第10章 模拟退火与禁忌搜索 195

10.1模拟退火算法 196

10.1.1算法思想 196

10.1.2基本流程 198

10.1.3应用举例 200

10.2禁忌搜索算法 201

10.2.1算法思想 201

10.2.2基本流程 203

10.2.3应用举例 204

10.3本章习题 206

本章参考文献 206

附录A索引 209