计算智能/毕晓君 本书特色

计算智能是人工智能领域较为前沿的研究方向，它是受“大自然智慧”启发而被设计出的一类算法的统称。计算智能所具有的全局搜索、高效并行等优点为解决复杂优化问题提供了新思路和新手段，引起了国内外学者的广泛重视并掀起了研究热潮。目前，计算智能的相关技术已成功应用于信息处理、调度优化、工程控制、经济管理等众多领域。 本书在归纳近年来计算智能研究成果的基础上，系统且详细地介绍了计算智能中较为典型的9种算法——人工神经网络、遗传算法、蚁群算法、人工免疫算法、粒子群优化算法、人工蜂群算法、生物地理学优化算法、多目标优化算法以及约束优化算法，并给出了各个算法基于MATLAB软件的仿真实现过程和在信号与通信领域的应用实例，这使本书知识点的讲解通俗易懂、直观生动，易于读者快速掌握。 本书可作为高等学校信号与信息处理、计算机应用技术、人工智能、模式识别与智能系统、自动化等专业本科生和研究生的教材，也可供计算智能相关领域的研究人员学习参考。

计算智能/毕晓君 内容简介

计算智能是人工智能领域较为前沿的研究方向，它是受“大自然智慧”启发而被设计出的一类算法的统称。计算智能所具有的全局搜索、高效并行等优点为解决复杂优化问题提供了新思路和新手段，引起了靠前外学者的广泛重视并掀起了研究热潮。目前，计算智能的相关技术已成功应用于信息处理、调度优化、工程控制、经济管理等众多领域。 本书在归纳近年来计算智能研究成果的基础上，系统且详细地介绍了计算智能中较为典型的9种算法——人工神经网络、遗传算法、蚁群算法、人工免疫算法、粒子群优化算法、人工蜂群算法、生物地理学优化算法、多目标优化算法以及约束优化算法，并给出了各个算法基于MATLAB软件的仿真实现过程和在信号与通信领域的应用实例，这使本书知识点的讲解通俗易懂、直观生动，易于读者快速掌握。 本书可作为高等学校信号与信息处理、计算机应用技术、人工智能、模式识别与智能系统、自动化等专业本科生和研究生的教材，也可供计算智能相关领域的研究人员学习参考。

计算智能/毕晓君 目录

01 绪论

1.1　概述　2

1.2　*优化问题及其数学模型　2

1.3　*优化问题的分类　3

1.4　*优化方法的发展及分类　5

1.4.1　传统优化方法　6

1.4.2　计算智能方法　7

1.4.3　计算智能方法的特点　11

1.5　计算智能方法的未来发展方向　12

1.6　章节安排介绍　12

1.7　本章小结　14

1.8　习题　14



02　人工神经网络理论

2.1　概述　16

2.2　人工神经网络基本理论　17

2.2.1　人工神经元基本模型　17

2.2.2　人工神经网络结构　19

2.2.3　人工神经网络的学习　20

2.3　前馈型神经网络的主要算法　22

2.3.1　感知器　23

2.3.2　BP网络　25

2.3.3　RBF网络　33

2.4　反馈型神经网络的主要算法　44

2.4.1　Hopfield网络算法　44

2.4.2　自组织映射网络算法　51

2.5　基于MATLAB语言的人工神经网络工具箱　54

2.5.1　基本功能介绍　55

2.5.2　BP网络的MATLAB实现　55

2.5.3　RBF网络的设计实例　63

2.5.4　人工神经网络工具箱中的图形用户界面　78

2.6　人工神经网络的应用实例　89

2.7　本章小结　91

2.8　习题　91



03　遗传算法

3.1　概述　94

3.2　遗传算法的基本原理　95

3.2.1　生物的进化过程　95

3.2.2　遗传算法的基本思想　95

3.2.3　遗传算法的具体步骤　96

3.3　遗传算法应用中的常见问题　104

3.3.1　染色体长度和初始种群的确定问题　104

3.3.2　控制参数的选取问题　104

3.3.3　遗传算子的具体操作问题　105

3.3.4　收敛判据的确定问题　105

3.4　遗传算法的应用实例　106

3.5　本章小结　112

3.6　习题　112



04　蚁群算法

4.1　概述　116

4.2　蚂蚁群体的觅食过程　117

4.3　蚁群算法的基本原理　118

4.3.1　蚁群算法的数学模型　119

4.3.2　蚁群算法的具体实现流程　122

4.4　蚁群算法的参数选择　124

4.5　改进的蚁群算法　125

4.5.1　ACS模型　125

4.5.2　MMAS模型　127

4.6　蚁群算法的应用实例　128

4.7　本章小结　134

4.8　习题　135



05　人工免疫算法

5.1　概述　138

5.2　人工免疫算法的生物学基础　139

 1/2    1 2 下一页 尾页

教材 研究生/本科/专科教材 工学

在线阅读