如何求解问题 现代启发式方法PDF电子书下载

引言 1

一 我的三个小孩的年龄有多大？ 6

1 为何有些问题难以求解？ 8

1.1 搜索空间的大小 8

1.2 给问题建模 12

1.3 随时间而变化 15

1.4 约束 16

1.5 证明问题 18

1.6 你辉煌成就的机会 19

1.7 小结 22

二 一个模型有多重要? 23

2 基本要件 26

2.1 表示方式 26

2.2 目标 27

2.3 评估函数 28

2.4 定义一个搜索问题 29

2.5 邻域和局部最优解 29

2.6 爬山法 31

2.7 你会落入这种圈套吗? 33

2.8 小结 35

三 7-11连锁店里的价格是多少? 37

3 传统方法——第一部分 41

3.1 穷举搜索 43

3.1.1 枚举SAT问题 44

3.1.2 枚举TSP问题 45

3.1.3 枚举NLP问题 47

3.2 局部搜索 48

3.2.1 局部搜索和SAT问题 49

3.2.2 局部搜索和TSP问题 50

3.2.3 局部搜索和NLP问题 52

3.3 线性规划:单纯形法 59

3.4 小结 62

四 这些数是什么? 63

4 传统方法——第二部分 66

4.1 贪婪算法 66

4.1.1 贪婪算法和SAT问题 66

4.1.2 贪婪算法和TSP问题 67

4.1.3 贪婪算法和NLP问题 68

4.2 分而治之法 69

4.3 动态规划法 71

4.4 分枝定界法 78

4.5 A算法 81

4.6 小结 84

五 熊是什么颜色? 85

5 跳离局部最优 88

5.1 模拟退火 90

5.2 禁忌搜索 96

5.3 小结 103

六 你的直觉如何? 104

6 演化方法 107

6.1 求解SAT的演化方法 109

6.2 求解TSP的演化方法 111

6.3 求解NLP的演化方法 114

6.4 小结 115

七 这些东西中有一个与众不同 120

7 演化算法的设计 123

7.1 表示 126

7.1.1 固定长的符号向量 127

7.1.2 排列 127

7.1.3 有穷状态机 128

7.1.4 符号表达式 128

7.2 评估函数 129

7.3.1 固定长的符号向量 131

7.3 变化算子 131

7.3.2 排列 132

7.3.3 有穷状态机 133

7.3.4 符号表达式 134

7.4 选择 136

7.5 初始化 138

7.6 小结 139

八 最短路径是什么? 140

8 旅行商问题 143

8.1 寻找好的变化算子 145

8.2 结合局部搜索方法 161

8.3 其他可能性 163

8.3.1 边组装杂交 164

8.3.2 反序-杂交算子 166

8.4 小结 169

九 斑马属谁? 171

9 约束处理技术 175

9.1 概述 176

9.1.1 evalf的设计 177

9.1.3 evalf和evalu之间的关系 179

9.1.2 evalu的设计 179

9.1.4 拒绝不可行解 180

9.1.5 修补不可行个体 181

9.1.6 用修补后个体替换原个体 181

9.1.7 惩罚不可行个体 182

9.1.8 通过使用专门的表示方式和变化算子保持一个可行的种群 182

9.1.9 使用译码器 183

9.1.10 个体与约束的分离 184

9.1.11 探索搜索空间的可行部分与不可行部分的边界 184

9.1.12 寻找可地解 185

9.2.1 基于保持解的可行性的方法 186

9.2 数值优化 186

9.2.2 基于罚函数的方法 189

9.2.3 基于搜索可行解的方法 195

9.2.4 基于译码器的方法 201

9.2.5 混合方法 202

9.3 小结 204

十 你能调整问题吗? 206

10 针对问题调整算法 211

10.1 演化算法中的参数控制 211

10.2 用一个NLP说明问题 214

10.3 控制技术的分类 216

10.4 参数控制方法 219

10.4.1 表示方式 219

10.4.2 评估函数 220

10.4.3 变异算子和变异率 220

10.4.4 杂交算子和杂交率 222

10.4.5 父体的选择 224

10.4.6 种群 224

10.5 参数控制的组合形式 225

10.6 小结 226

十一 你能两步制胜吗? 229

11 随时间变化的环境和噪声 232

11.1 动态变化的世界 232

11.2 现实世界是有噪声的 239

11.3 小结 246

十二 元旦是星期几? 251

12 神经网络 254

12.1 阈神经元与线性划分函数 254

12.2 前馈多层感知器的反传 259

12.3 训练与测试 262

12.4 递归网络及其扩展结构 263

12.4.2 Hopfield网络 264

12.4.1 标准递归网络 264

12.4.3 Boltzmann机 265

12.4.4 多交互程序的网络 266

12.5 采用竞争网络进行聚类 267

12.6 应用神经网络求解TSP 269

12.7 演化神经网络 270

12.8 小结 271

十三 这根绳子有多长? 273

13.1 模糊集 276

13 模糊系统 276

13.2 模糊集和概率测度 277

13.3 模糊集的运算 278

13.4 模糊关系 280

13.5 设计模糊控制器 282

13.6 模糊聚类 286

13.7 模糊神经网络 289

13.8 模糊TSP 291

13.9 演化模糊系统 292

13.10 小结 293

十四 你喜欢简单的解决办法吗? 294

14 混合系统 299

15 总结 308

附录A 概率与统计 317

A.1 概率的基本概念 317

A.2 随机变量 318

A.2.1 离散型随机变量 319

A.2.2 连续型随机变量 321

A.3 随机变量的描述性统计量 322

A.4 极限定理与极限不等式 324

A.5 随机变量的相加 325

A.6 在计算机中产生随机数 326

A.7 估计 327

A.8 统计的假设检验 329

A.9 线性回归 330

A.10 小结 331

附录B 问题与项目 333

B.1 尝试一些实际问题 334

B.2 报道采用启发式方法的计算实验 338

参考文献 340