煙花演算法引論(精) 烟花算法引论

譚營

  • 出版商: 科學出版
  • 出版日期: 2015-04-01
  • 定價: $720
  • 售價: 8.5$612
  • 語言: 簡體中文
  • 頁數: 303
  • 裝訂: 精裝
  • ISBN: 7030440854
  • ISBN-13: 9787030440853
  • 相關分類: Algorithms-data-structures
  • 下單後立即進貨 (約4週~6週)

買這商品的人也買了...

商品描述

 

<內容簡介>

譚營編著的《煙花演算法引論》系統描述了作者提出的一種新型群體智能演算法——煙花演算法,它的產生、演算法實現、理論分析、演算法改進及其應用,為讀者勾勒出了煙花演算法的全景圖像。主要內容包括:煙花演算法的基本原理與實現及其性能分析、收斂性和時間複雜度分析、多種改進演算法、混合方法、離散煙花演算法、煙花演算法的並行化實現,以及幾種應用實例。書中重點介紹了煙花演算法的參數設定,各種改進方法、並行化實現、與典型群體智能演算法的性能對比分析等。書中還包括了煙花演算法的最新資料和一些重要演算法的流程圖,以及源代碼的鏈接,供感興趣讀者參閱和使用。
本書可作為智能科學與電腦科學等專業高年級本科生和研究生的教材,尤其適合作為煙花演算法入門參考書,可以滿足初學者瞭解和學習煙花演算法的基本要求,也可作為信息、通信、控制、管理、工程技術等相關領域的科技工作者和工程師及感興趣者的參考材料。

<章節目錄>

前言
第一部分  基礎理論
 第1章  緒論
  1.1  起源與動機
  1.2  煙花演算法屬於群體智能優化演算法研究範疇
  1.3  煙花演算法的組成與研究內容
  1.4  優點與特色
  1.5  研究歷史與現狀
  1.6  未來發展方向
  1.7  未來五年內需要研究的25個問題
  1.8  小結
 第2章  煙花演算法
  2.1  引言
  2.2  煙花演算法的組成
  2.3  煙花演算法的實現
  2.4  基本煙花演算法特點分析
  2.5  影響演算法性能的因素分析
  2.6  煙花演算法與遺傳演算法和粒子群優化演算法的比較
  2.7  實驗結果及分析
  2.8  小結
 第3章  煙花演算法的理論分析
  3.1  隨機模型
  3.2  全局收斂性
  3.3  時間複雜度的基本理論
  3.4  時間複雜度分析
  3.5  小結
 第4章   隨機數對煙花演算法性能的影響
  4.1  引言
  4.2  隨機數產生器
  4.3  實驗設定
  4.4  實驗結果與分析
  4.5  小結
第二部分   改進演算法研究
 第5章   基於適應度函數值估計的煙花演算法
  5.1  進化計算演算法加速策略
  5.2  基於適應度函數值估計的煙花演算法
  5.3  實驗
  5.4  性能分析及討論
  5.5  小結
 第6章  構造型煙花演算法
  6.1  對煙花演算法各組成部分  的改進
  6.2  實驗
  6.3  小結
 第7章  增強煙花演算法
  7.1  對基本煙花演算法的分析
  7.2  增強煙花演算法
  7.3  實驗
  7.4  小結
 第8章   動態搜索煙花演算法
  8.1  引言

  8.2  增強煙花演算法簡介
  8.3  增強煙花演算法最小爆炸半徑檢查策略
  8.4  動態搜索煙花演算法
  8.5  實驗
  8.6  小結
 第9章   自適應煙花演算法
  9.1  引言
  9.2  對FWA和EFWA中爆炸半徑的分析
  9.3  自適應爆炸半徑
  9.4  自適應煙花演算法
  9.5  實驗
    9.6  討論
    9.7  小結
  第10章  混合演算法
    10.1  引言
    10.2  帶差分變異的煙花演算法
    10.3  差分演化與煙花演算法的混合演算法
    10.4  文化煙花演算法
    10.5  基於生物地理學優化的煙花演算法
    10.6  小結
第三部分  高級主題
  第11章  多目標煙花演算法
    11.1  基本概念
    11.2  施肥問題
    11.3  多目標煙花演算法
    11.4  實驗和討論
    11.5  小結
  第12章  求解TSP的離散煙花演算法
    12.1  旅行商問題
    12.2  離散煙花演算法
    12.3  實驗結果及其分析
    12.4  與傳統演算法比較
    12.5  小結
  第13章  基於GPU的並行煙花演算法
    13.1  引言
    13.2  GPU通用計算
    13.3  基於GPU的煙花演算法及實現
    13.4  GPU-FWA的演算法實現
    13.5  實驗分析
    13.6  小結
  第四部分應用
  第14章  非負矩陣分解
    14.1  引言
    14.2  相關工作
    14.3  低秩估計
    14.4  基於群體智能演算法的非負矩陣計算演算法
    14.5  實驗設置
    14.6  實驗結果和討論
    14.7  小結
  第15章  聚類和模式識別應用

    15.1  煙花演算法在文檔聚類中的應用
    15.2  垃圾郵件檢測演算法參數優化
    15.3  圖像識別
    15.4  小結
  第16章  群體機器人多目標搜索問題
    16.1  引言
    16.2  多目標搜索問題定義
    16.3  分組爆炸策略
    16.4  演算法分析
    16.5  實驗結果
    16.6  小結
  第17章  地學反演問題
    17.1  引言
    17.2  反演問題
    17.3  實驗
    17.4  小結
參考文獻
附錄
    附錄A  測試函數集
    附錄B  資源
    附錄C  術語列表
    附錄D  符號列表
索引

 

<作者介紹>

譚營
譚營,男,1964年9月出生,四川營山人,博士,北京大學教授,博士生導師。他創建並領導北京大學計算智能實驗室(CIL@PKU),是煙花演算法發明人,2005年入選中國科學院「百人計劃」。     譚營教授主要從事計算智能、群體智能、機器學習與數據挖掘,及其在信息安全中應用的研究工作,是IEEE資深會員。主持參與了國家自然科學基金、863計劃、973計劃等項目30餘項。SCI、EI收錄學術論文逾百篇,出版學術著作6部,譯著4部,主編Springer的LNcs共12捲。獲得國家發明專利授權3項,獲得2009年度國家自然科學獎二等獎1次、部級科技進步獎5次和最佳論文獎。擔任國際期刊UCIPR主編、IEEE Trans on Cybernetics副主編、IEEE Trans on NeuralNetworks and Learning Systems副主編等。創立國際群體智能系列會議(ICSI』2010—2015),並擔任主席,同時擔任IEEE計算智能世界大會(WCCI2014)程序委員會共同主席等。