本書對計(jì)算智能領(lǐng)域的主要算法進(jìn)行介紹，重點(diǎn)討論各種算法的思想來源、流程結(jié)構(gòu)、發(fā)展改進(jìn)、參數(shù)設(shè)置和相關(guān)應(yīng)用，內(nèi)容包括緒論以及神經(jīng)網(wǎng)絡(luò)、模糊邏輯、遺傳算法、蟻群優(yōu)化算法、粒子群優(yōu)化算法、免疫算法、分布估計(jì)算法、Memetic算法、模擬退火算法和禁忌搜索算法等計(jì)算智能領(lǐng)域的典型算法。本書通俗易懂，圖文并茂，深入淺出，沒有其他算法書中大量公式、定理、證明等難懂的內(nèi)容，而是通過大量的圖表示例對各個(gè)算法進(jìn)行說明和介紹。本書不但提供了算法實(shí)現(xiàn)的流程圖和偽代碼，而且通過具體的應(yīng)用舉例對算法的使用方法和使用過程進(jìn)行說明，同時(shí)提供了大量經(jīng)典而重要的參考資料，為讀者進(jìn)一步深入學(xué)習(xí)和理解算法提供方便。
本書適合作為相關(guān)專業(yè)本科生和研究生的選修課教材，特別適合作為入門教材以滿足算法初學(xué)者了解和學(xué)習(xí)計(jì)算智能算法的入門需求，同時(shí)還能夠作為廣大算法研究者和工程技術(shù)人員進(jìn)一步學(xué)習(xí)的參考書和工具書。
本書介紹典型的計(jì)算智能方法，重點(diǎn)討論各種算法的思想來源、流程結(jié)構(gòu)、發(fā)展改進(jìn)、參數(shù)設(shè)置和相關(guān)應(yīng)用，內(nèi)容共分10章。第1章是緒論，主要是對計(jì)算智能一些背景知識(shí)及其分類與理論、研究與發(fā)展、特征與應(yīng)用等進(jìn)行概要介紹；第2章介紹神經(jīng)網(wǎng)絡(luò)（Neural Network, NN) ；第3章介紹模糊邏輯（Fuzzy Logic, FL) ；第4章介紹遺傳算法（Genetic Algorithm, GA) ；第5章介紹蟻群優(yōu)化算法（Ant Colony Optimization, ACO) ；第6章介紹粒子群優(yōu)化算法（Particle Swarm Optimization, PSO) ；第7章介紹免疫算法（Immune Algorithm, IA) ；第8章介紹分布估計(jì)算法（Estimation of Distribution Algorithm, EDA) ；第9章介紹Memetic算法（Memetic Algorithm, MA) ；第10章介紹模擬退火（Simulated Annealing, SA）以及禁忌搜索（Tabu Search, TS）算法。
計(jì)算智能算法本身是對自然界智慧和人類智慧的模仿，其思想來源和基本原理本來就不是高深晦澀的理論，因此本書在對各種算法進(jìn)行介紹的時(shí)候，力求做到通俗易懂，圖文并茂，深入淺出。本書的每一章都以生動(dòng)的圖示開頭，嘗試用最直觀、最通俗的形式去展示各種算法的思想原理和基本特征，有助于讀者快速、形象、深刻地對算法進(jìn)行認(rèn)識(shí)和把握。在敘述的過程中，本書沒有其他算法書中大量公式、定理、證明等難懂的內(nèi)容，而是通過大量的圖表示例對各個(gè)算法的思想來源、流程結(jié)構(gòu)、發(fā)展改進(jìn)、參數(shù)設(shè)置和相關(guān)應(yīng)用等方面進(jìn)行說明和介紹，不但提供了算法實(shí)現(xiàn)的流程圖和偽代碼，而且通過具體的應(yīng)用舉例對算法的使用方法和使用過程進(jìn)行說明，同時(shí)提供了大量經(jīng)典而重要的參考資料，為讀者進(jìn)一步深入學(xué)習(xí)和理解算法提供方便。本書的部分插圖來源于網(wǎng)絡(luò)的自由資源和Microsoft Office軟件提供的剪貼板畫，我們對此表示感謝。
本書編寫的分工如下：中山大學(xué)的張軍教授負(fù)責(zé)全書的編寫與統(tǒng)稿工作，詹志輝參與編寫了第1、2、6、10章，陳霓參與編寫了第3章，許瑞填參與編寫了第4章，龔月姣參與編寫了第5章，官兆參與編寫了第7章，鐘競輝參與編寫了第8章，陳偉能參與編寫了第9章。
由于編者水平有限，書中難免存在錯(cuò)誤或疏漏之處，希望廣大讀者批評指正。
張軍
2009年6月
于中山大學(xué)
第1章 緒 論1
1.1 最優(yōu)化問題2
1.1.1 函數(shù)優(yōu)化問題3
1.1.2 組合優(yōu)化問題3
1.2 計(jì)算復(fù)雜性及NP理論4
1.2.1 計(jì)算復(fù)雜性4
1.2.2 NP理論5
1.3 智能優(yōu)化計(jì)算方法： 計(jì)算智能算法6
1.3.1 計(jì)算智能的分類與理論7
1.3.2 計(jì)算智能的研究與發(fā)展9
1.3.3 計(jì)算智能的特征與應(yīng)用10
1.4 本章習(xí)題11
本章參考文獻(xiàn)11
第2章 神經(jīng)網(wǎng)絡(luò)13
2.1 神經(jīng)網(wǎng)絡(luò)簡介14
2.1.1 神經(jīng)網(wǎng)絡(luò)的基本原理14
2.1.2 神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展15
2.2 神經(jīng)網(wǎng)絡(luò)的典型結(jié)構(gòu)17
2.2.1 單層感知器網(wǎng)絡(luò)17
2.2.2 前饋型網(wǎng)絡(luò)18
2.2.3 前饋內(nèi)層互聯(lián)網(wǎng)絡(luò)19
2.2.4 反饋型網(wǎng)絡(luò)19
2.2.5 全互聯(lián)網(wǎng)絡(luò)20
2.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法20
2.3.1 學(xué)習(xí)方法20
2.3.2 學(xué)習(xí)規(guī)則21 計(jì)算智能目錄
2.4 BP神經(jīng)網(wǎng)絡(luò)23
2.4.1 基本思想23
2.4.2 算法流程24
2.4.3 應(yīng)用舉例25
2.5 進(jìn)化神經(jīng)網(wǎng)絡(luò)27
2.6 神經(jīng)網(wǎng)絡(luò)的應(yīng)用27
2.7 本章習(xí)題30
本章參考文獻(xiàn)30
第3章 模糊邏輯33
3.1 模糊邏輯簡介34
3.1.1 模糊邏輯的基本原理34
3.1.2 模糊邏輯與模糊系統(tǒng)的發(fā)展歷程35
3.2 模糊集合與模糊邏輯36
3.2.1 模糊集合與隸屬度函數(shù)36
3.2.2 模糊集合上的運(yùn)算39
3.2.3 模糊邏輯40
3.2.4 模糊關(guān)系及其合成運(yùn)算41
3.3 模糊邏輯推理42
3.3.1 模糊規(guī)則、語言變量和語言算子42
3.3.2 模糊推理43
3.4 模糊計(jì)算的流程45
3.4.1 基本思想46
3.4.2 算法流程46
3.5 模糊邏輯的應(yīng)用48
3.6 本章習(xí)題50
本章參考文獻(xiàn)50
第4章 遺傳算法53
4.1 遺傳算法簡介54
4.1.1 基本原理54
4.1.2 研究進(jìn)展57
4.2 遺傳算法的流程58
4.2.1 流程結(jié)構(gòu)58
4.2.2 應(yīng)用舉例63
4.3 遺傳算法的改進(jìn) 65
4.3.1 算子選擇65
4.3.2 參數(shù)設(shè)置66
4.3.3 混合遺傳算法68
4.3.4 并行遺傳算法68
4.4 遺傳算法的應(yīng)用71
4.5 本章習(xí)題73
本章參考文獻(xiàn)73
第5章 蟻群優(yōu)化算法81
5.1 蟻群優(yōu)化算法簡介82
5.1.1 基本原理82
5.1.2 研究進(jìn)展84
5.2 蟻群優(yōu)化算法的基本流程85
5.2.1 基本流程85
5.2.2 應(yīng)用舉例87
5.3 蟻群優(yōu)化算法的改進(jìn)版本88
5.3.1 精華螞蟻系統(tǒng)89
5.3.2 基于排列的螞蟻系統(tǒng)89
5.3.3 最大最小螞蟻系統(tǒng)90
5.3.4 蟻群系統(tǒng)91
5.3.5 蟻群算法的其他改進(jìn)版本94
5.4 蟻群優(yōu)化算法的相關(guān)應(yīng)用96
5.5 蟻群優(yōu)化算法的參數(shù)設(shè)置98
5.6 本章習(xí)題100
本章參考文獻(xiàn)100
第6章 粒子群優(yōu)化算法107
6.1 粒子群優(yōu)化算法簡介108
6.1.1 思想來源108
6.1.2 基本原理109
6.2 粒子群優(yōu)化算法的基本流程111
6.2.1 基本流程111
6.2.2 應(yīng)用舉例113
6.3 粒子群優(yōu)化算法的改進(jìn)研究113
6.3.1 理論研究改進(jìn)115
6.3.2 拓?fù)浣Y(jié)構(gòu)改進(jìn)116
6.3.3 混合算法改進(jìn)119
6.3.4 離散版本改進(jìn)121
6.4 粒子群優(yōu)化算法的相關(guān)應(yīng)用121
6.4.1 優(yōu)化與設(shè)計(jì)應(yīng)用121
6.4.2 調(diào)度與規(guī)劃應(yīng)用122
6.4.3 其他方面的應(yīng)用123
6.5 粒子群優(yōu)化算法的參數(shù)設(shè)置123
6.6 本章習(xí)題124
本章參考文獻(xiàn)125
第7章 免疫算法131
7.1 免疫算法簡介132
7.1.1 思想來源132
7.1.2 免疫系統(tǒng)的生物學(xué)原理簡介133
7.1.3 二進(jìn)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 負(fù)選擇算法141
7.3.2 克隆選擇算法142
7.3.3 免疫算法和進(jìn)化計(jì)算146
7.4 免疫算法的相關(guān)應(yīng)用148
7.4.1 識(shí)別和分類應(yīng)用148
7.4.2 優(yōu)化應(yīng)用148
7.4.3 其他方面的應(yīng)用149
7.5 本章習(xí)題149
本章參考文獻(xiàn)150
第8章 分布估計(jì)算法155
8.1 分布估計(jì)算法簡介156
8.1.1 分布估計(jì)算法產(chǎn)生的背景156
8.1.2 分布估計(jì)算法的發(fā)展歷史157
8.2 分布估計(jì)算法的基本流程158
8.2.1 基本的分布估計(jì)算法158
8.2.2 一個(gè)簡單分布估計(jì)算法的例子160
8.3 分布估計(jì)算法的改進(jìn)及理論研究161
8.3.1 概率模型的改進(jìn)161
8.3.2 混合分布估計(jì)算法166
8.3.3 并行分布估計(jì)算法167
8.3.4 分布估計(jì)算法的理論研究169
8.4 分布估計(jì)算法的應(yīng)用169
8.5 本章習(xí)題171
本章參考文獻(xiàn)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 靜態(tài)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 動(dòng)態(tài)Memetic算法183
9.4.1 動(dòng)態(tài)MA的簡介與分類183
9.4.2 Meta-Lamarckian學(xué)習(xí)型MA185
9.4.3 超啟發(fā)式MA186
9.4.4 協(xié)同進(jìn)化MA187
9.5 Memetic算法的理論與應(yīng)用研究展望189
9.6 本章習(xí)題190
本章參考文獻(xiàn)191
第10章 模擬退火與禁忌搜索195
10.1 模擬退火算法196
10.1.1 算法思想196
10.1.2 基本流程198
10.1.3 應(yīng)用舉例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 應(yīng)用舉例204
10.3 本章習(xí)題206
本章參考文獻(xiàn)206
附錄A 索引209
書單推薦
