買這商品的人也買了...
-
$620$558 -
$590$460 -
$507量化交易之路 : 用 Python 做股票量化分析
-
$500統計學習方法, 2/e
-
$403Python 函數式編程, 2/e (Functional Python Programming: Discover the power of functional programming, generator functions, lazy evaluation, the built-in itertools library, and monads, 2/e)
-
$750$675 -
$294$279 -
$620$484 -
$520$406 -
$414$393 -
$616圖解智能網聯汽車:原理●構造●診斷●維修
-
$407金融中的人工智能
-
$658智能計算:原理與實踐
-
$250IT項目經理進階之道
-
$1,200$948 -
$607遷移學習導論, 2/e
-
$607Python 數據清洗
-
$301邊緣計算技術與應用
-
$564自然語言處理的 Python 實踐
-
$512數據分析原理與實踐 : 基於經典算法及 Python 編程實現
-
$1,077智能優化算法與涌現計算(第2版)
-
$780$608 -
$720$569 -
$500$395 -
$980$774
相關主題
商品描述
本書以理論結合應用為指導思想,以智能優化算法為對象,以Python為開發語言,主要講解智能優化算法的基本原理、代碼實現、應用案例和性能測試。本書輕理論,重實踐,目的是使讀者能夠迅速地入門並掌握智能優化算法及其Python代碼實現的相關技巧,並在後續的學術研究和工程實踐中加以應用。本書分為12章,第1章~第10章分別介紹10種智能優化算法(黏菌算法、人工蜂群算法、蝗蟲優化算法、蝴蝶優化算法、飛蛾撲火優化算法、海鷗優化算法、麻雀搜索算法、鯨魚優化算法、黃金正弦算法、教與學優化算法)的基本原理、Python代碼實現、應用案例;第11章、第12章介紹智能優化算法的基準測試集和性能測試。本書取材新穎、案例豐富、通俗易懂,可作為廣大高校本科生、研究生的學慣用書,也可作為廣大科研人員、學者、工程技術人員的參考用書。
目錄大綱
目 錄 第1章 黏菌算法及其Python實現 1 1.1 黏菌算法的基本原理 1 1.1.1 接近食物階段 1 1.1.2 包圍食物階段 2 1.1.3 抓取食物階段 2 1.1.4 黏菌算法流程 3 1.2 黏菌算法的Python實現 4 1.2.1 種群初始化 4 1.2.2 適應度函數 5 1.2.3 邊界檢查和約束函數 6 1.2.4 黏菌算法代碼 7 1.3 黏菌算法的應用案例 10 1.3.1 求解函數極值 10 1.3.2 基於黏菌算法的壓力容器 設計 12 1.3.3 基於黏菌算法的三桿桁架 設計 15 1.3.4 基於黏菌算法的拉壓彈簧 設計 18 參考文獻 21 第2章 人工蜂群算法及其Python 實現 22 2.1 人工蜂群算法的基本原理 22 2.1.1 種群初始化 23 2.1.2 引領蜂搜索 24 2.1.3 跟隨蜂搜索 24 2.1.4 偵察蜂搜索 25 2.1.5 人工蜂群算法流程 25 2.2 人工蜂群算法的Python實現 26 2.2.1 種群初始化 26 2.2.2 適應度函數 28 2.2.3 邊界檢查和約束函數 28 2.2.4 輪盤賭策略 29 2.2.5 人工蜂群算法代碼 30 2.3 人工蜂群算法的應用案例 34 2.3.1 求解函數極值 34 2.3.2 基於人工蜂群算法的壓力 容器設計 36 2.3.3 基於人工蜂群算法的三桿 桁架設計 39 2.3.4 基於人工蜂群算法的拉壓 彈簧設計 42 參考文獻 45 第3章 蝗蟲優化算法及其Python 實現 46 3.1 蝗蟲優化算法的基本原理 46 3.1.1 蝗蟲優化算法數學模型 46 3.1.2 社會相互作用力 47 3.1.3 蝗蟲優化算法流程 50 3.2 蝗蟲優化算法的Python實現 50 3.2.1 種群初始化 50 3.2.2 適應度函數 52 3.2.3 邊界檢查和約束函數 52 3.2.4 社會相互作用力函數 53 3.2.5 蝗蟲優化算法代碼 54 3.3 蝗蟲優化算法的應用案例 57 3.3.1 求解函數極值 57 3.3.2 基於蝗蟲優化算法的壓力 容器設計 59 3.3.3 基於蝗蟲優化算法的三桿 桁架設計 62 3.3.4 基於蝗蟲優化算法的拉壓彈 簧設計 65 參考文獻 68 第4章 蝴蝶優化算法及其Python 實現 69 4.1 蝴蝶優化算法的基本原理 69 4.1.1 蝴蝶的香味 69 4.1.2 蝴蝶的移動與迭代 70 4.1.3 蝴蝶優化算法流程 71 4.2 蝴蝶優化算法的Python實現 72 4.2.1 種群初始化 72 4.2.2 適應度函數 73 4.2.3 邊界檢查和約束函數 74 4.2.4 蝴蝶優化算法代碼 75 4.3 蝴蝶優化算法的應用案例 77 4.3.1 求解函數極值 77 4.3.2 基於蝴蝶優化算法的壓力容 器設計 80 4.3.3 基於蝴蝶優化算法的三桿 桁架設計 83 4.3.4 基於蝴蝶優化算法的拉壓彈 簧設計 86 參考文獻 89 第5章 飛蛾撲火優化算法及其Python 實現 90 5.1 飛蛾撲火優化算法的基本 原理 90 5.1.1 飛蛾與火焰 90 5.1.2 飛蛾撲火行為 91 5.1.3 飛蛾撲火優化算法流程 93 5.2 飛蛾撲火優化算法的Python 實現 95 5.2.1 種群初始化 95 5.2.2 適應度函數 96 5.2.3 邊界檢查和約束函數 97 5.2.4 飛蛾撲火優化算法代碼 98 5.3 飛蛾撲火優化算法的應用 案例 100 5.3.1 求解函數極值 100 5.3.2 基於飛蛾撲火優化算法的 壓力容器設計 103 5.3.3 基於飛蛾撲火優化算法的 三桿桁架設計 106 5.3.4 基於飛蛾撲火優化算法的 拉壓彈簧設計 109 參考文獻 112 第6章 海鷗優化算法及其Python 實現 113 6.1 海鷗優化算法的基礎原理 113 6.1.1 海鷗遷徙 113 6.1.2 海鷗攻擊獵物 114 6.1.3 海鷗優化算法流程 114 6.2 海鷗優化算法的Python實現 115 6.2.1 種群初始化 115 6.2.2 適應度函數 117 6.2.3 邊界檢查和約束函數 117 6.2.4 海鷗優化算法代碼 118 6.3 海鷗優化算法的應用案例 121 6.3.1 求解函數極值 121 6.3.2 基於海鷗優化算法的壓力 容器設計 123 6.3.3 基於海鷗優化算法的三桿 桁架設計 126 6.3.4 基於海鷗優化算法的拉壓 彈簧設計 129 參考文獻 132 第7章 麻雀搜索算法及其Python 實現 133 7.1 麻雀搜索算法的基本原理 133 7.1.1 麻雀種群 133 7.1.2 發現者位置更新 134 7.1.3 加入者位置更新 134 7.1.4 遇險應急的麻雀位置更新 134 7.1.5 麻雀搜索算法流程 135 7.2 麻雀搜索算法的Python實現 136 7.2.1 種群初始化 136 7.2.2 適應度函數 137 7.2.3 邊界檢查和約束函數 138 7.2.4 麻雀搜索算法代碼 139 7.3 麻雀搜索算法的應用案例 142 7.3.1 求解函數極值 142 7.3.2 基於麻雀搜索算法的壓力 容器設計 144 7.3.3 基於麻雀搜索算法的三桿 桁架設計 147 7.3.4 基於麻雀搜索算法的拉壓 彈簧設計 150 參考文獻 153 第8章 鯨魚優化算法及其Python 實現 154 8.1 鯨魚優化算法的基本原理 154 8.1.1 包圍獵物 154 8.1.2 氣泡網攻擊方式 155 8.1.3 尋找獵物 157 8.1.4 鯨魚優化算法流程 158 8.2 鯨魚優化算法的Python實現 159 8.2.1 種群初始化 159 8.2.2 適應度函數 161 8.2.3 邊界檢查和約束函數 161 8.2.4 鯨魚優化算法代碼 162 8.3 鯨魚優化算法的應用案例 165 8.3.1 求解函數極值 165 8.3.2 基於鯨魚優化算法的壓力 容器設計 167 8.3.3 基於鯨魚優化算法的三桿 桁架設計 170 8.3.4 基於鯨魚優化算法的拉壓 彈簧設計 173 參考文獻 176 第9章 黃金正弦算法及其Python 實現 177 9.1 黃金正弦算法的基本原理 177 9.1.1 正弦函數 177 9.1.2 黃金分割 177 9.1.3 初始化 178 9.1.4 黃金分割系數計算 178 9.1.5 位置更新 179 9.1.6 黃金分割系數更新 179 9.1.7 黃金正弦算法流程 179 9.2 黃金正弦算法的Python實現 180 9.2.1 種群初始化 180 9.2.2 適應度函數 182 9.2.3 邊界檢查和約束函數 182 9.2.4 黃金正弦算法代碼 183 9.3 黃金正弦算法的應用案例 186 9.3.1 求解函數極值 186 9.3.2 基於黃金正弦算法的壓力 容器設計 189 9.3.3 基於黃金正弦算法的三桿 桁架設計 192 9.3.4 基於黃金正弦算法的拉壓 彈簧設計 195 參考文獻 198 第10章 教與學優化算法及其Python 實現 199 10.1 教與學優化算法的基本原理 199 10.1.1 教學階段 200 10.1.2 學習階段 200 10.1.3 教與學優化算法流程 200 10.2 教與學優化算法的Python 實現 202 10.2.1 種群初始化 202 10.2.2 適應度函數 203 10.2.3 邊界檢查和約束函數 204 10.2.4 教與學優化算法代碼 205 10.3 教與學優化算法的應用 案例 208 10.3.1 求解函數極值 208 10.3.2 基於教與學優化算法的 壓力容器設計 210 10.3.3 基於教與學優化算法的三桿 桁架設計 213 10.3.4 基於教與學優化算法的 拉壓彈簧設計 216 參考文獻 219 第11章 智能優化算法基準測試集 220 11.1 基準測試集簡介 220 11.2 基準測試函數繪圖與測試 函數代碼編寫 222 11.2.1 函數F1 222 11.2.2 函數F2 223 11.2.3 函數F3 224 11.2.4 函數F4 226 11.2.5 函數F5 227 11.2.6 函數F6 229 11.2.7 函數F7 230 11.2.8 函數F8 232 11.2.9 函數F9 234 11.2.10 函數F10 235 11.2.11 函數F11 237 11.2.12 函數F12 238 11.2.13 函數F13 240 11.2.14 函數F14 242 11.2.15 函數F15 244 11.2.16 函數F16 246 11.2.17 函數F17 248 11.2.18 函數F18 249 11.2.19 函數F19 251 11.2.20 函數F20 252 11.2.21 函數F21 254 11.2.22 函數F22 256 11.2.23 函數F23 258 第12章 智能優化算法性能測試 260 12.1 智能優化算法性能測試 方法 260 12.1.1 平均值 260 12.1.2 標準差 260 12.1.3 最優值和最差值 261 12.1.4 收斂曲線 262 12.2 測試案例 262 12.2.1 測試函數信息 262 12.2.2 測試方法及參數設置 263 12.2.3 測試結果 263