当前位置:首页 > 工业技术
混合智能算法研究及应用
混合智能算法研究及应用

混合智能算法研究及应用PDF电子书下载

工业技术

  • 电子书积分:10 积分如何计算积分?
  • 作 者:胡桂武,陈建超,胡劲松著
  • 出 版 社:广州:华南理工大学出版社
  • 出版年份:2018
  • ISBN:9787562358695
  • 页数:205 页
图书介绍:本专著共2篇18章:理论篇:绪论、遗传算法分析、双程模拟退火、无约束直排雷策略、极值元素算法、双极值组合优化;应用篇:局部连续控制面模糊算法、自寻优模接搜索法、糊控制器、模糊CMAC神经网的优化、基于最小生成树的多序列比对算法、基于极值的多序列比对求精算法、基于单亲遗传算法的多序列比对、基于遗传算法与星比对的多序列比对混合算法、基于词序列频率有向网的中文组合词挖掘、基于海量文本的文本中概念挖掘、基于海量文本的概念词(概念)动词语义关系挖掘、基于句子模式的概念词(概念)语法语义关系挖掘。
《混合智能算法研究及应用》目录

理论篇 3

第一章 绪论 3

1.1 优化问题的应用背景 3

1.2 优化问题分类 4

1.3 传统优化方法 5

1.4 现代优化算法 6

1.5 现代优化算法的应用 11

第二章 遗传算法分析 15

2.1 进化算法 15

2.2 遗传算法基本原理 15

2.3 遗传算法的理论难点及进展 17

2.4 GA目前的发展方向 21

2.5 遗传算法的缺点 21

2.6 分析遗传算法的新理论 22

第三章 双程模拟退火 24

3.1 模拟退火算法概述 24

3.2 普通模拟退火算法 25

3.3 改进的模拟退火算法 26

3.4 双程模拟退火算法 27

第四章 无约束直接搜索法 30

4.1 随机搜索法 30

4.2 坐标轮换法 31

4.3 模式搜索法 32

4.4 Rosenbrock旋转坐标法 33

4.5 单纯形法 33

第五章 排雷策略 36

5.1 局部极值问题 36

5.2 克服局部极值的机制 36

5.3 排雷策略 38

第六章 极值元素算法 39

6.1 极值组合原理 39

6.2 遗传算法的误区 42

6.3 基于极值组合原理分析遗传算法缺陷 43

6.4 极值元素算法 44

6.5 仿真对比 46

6.6 算法分析 52

第七章 双极值组合优化 54

7.1 双极值组合原理 54

7.2 区域定位作用与双极值排雷策略 56

7.3 解决本质最难优化问题 57

7.4 对称效应 58

7.5 仿真 59

应用篇 63

第八章 局部连续控制面模糊算法 63

8.1 数字单片机与模糊控制 63

8.2 数字单片机使用的模糊控制算法的不足 63

8.3 局部连续法 63

8.4 仿真研究及与其他方法比较 66

8.5 时变修正因子局部连续二级模糊控制器 69

第九章 自寻优模糊控制器 73

9.1 模糊规则的生成和优化 73

9.2 基于双程模拟退火的局部连续查表型自寻优模糊控制器 74

9.3 基于双程模拟退火的时变修正因子模糊控制器 76

9.4 对复杂对象的控制 79

第十章 模糊CMAC神经网的优化 84

10.1 进化算法优化神经网络 84

10.2 Tabu算法优化神经网络 85

10.3 模拟退火优化神经网络 86

10.4 基于双程模拟退火算法的CMAC自寻优调节器 88

10.5 仿真研究及对比 88

10.6 基于遗传算法和极值元素法的CMAC神经网 89

第十一章 基于最小生成树的多序列比对算法 90

11.1 引言 90

11.2 最小生成树 90

11.3 基于最小生成树的多序列比对算法 93

第十二章 基于极值的多序列比对求精算法 100

12.1 引言 100

12.2 直接搜索法 100

12.3 极值域组合 105

12.4 极值遗传算法 106

12.5 基于极值思想的多序列比对求精算法 107

12.6 算法分析 113

第十三章 基于单亲遗传算法的多序列比对 114

13.1 引言 114

13.2 遗传算法与单亲遗传算法 114

13.3 基于单亲遗传算法的多序列比对 116

13.4 算法分析 121

第十四章 基于遗传算法与星比对的多序列比对混合算法 123

14.1 引言 123

14.2 混合遗传算法 123

14.3 星比对算法 124

14.4 基于遗传算法与星比对的多序列比对混合算法 124

第十五章 基于词序列频率有向网的中文组合词挖掘 129

15.1 概述 129

15.2 基于词序列频率有向网的组合词识别算法 130

15.3 文本中的组合词修正 139

15.4 组合词识别在概念知识库构建中的重要意义 141

第十六章 基于海量文本的文本中概念挖掘 142

16.1 概念、概念词和上下文三者之间的关系 142

16.2 文本中概念 143

16.3 相关工作 145

16.4 本章的研究范畴和内容安排 146

16.5 从文本中挖掘文本中概念的算法讨论 147

16.6 数据模型 151

16.7 基于上下文组合树的概念提取算法 152

16.8 基于上下文关联性的概念挖掘算法 157

16.9 实验和比较 159

第十七章 基于海量文本的概念词(概念)动词语义关系挖掘 162

17.1 概念的语义关系概述 162

17.2 概念词语义关系与概念语义关系的联系与区别 163

17.3 相关研究 164

17.4 从文本中获取概念词之间的动词语义关系 165

17.5 建立概念之间的语义关系 168

17.6 实验与总结 169

第十八章 基于句子模式的概念词(概念)语法语义关系挖掘 172

18.1 概述 172

18.2 句子模式 173

18.3 基于句式的概念词语法语义关系提取的基本原理 174

18.4 相关工作 175

18.5 句子模式的挖掘算法 176

18.6 基于句式的概念词语法语义关系挖掘 181

18.7 建立概念之间的语法语义关系 183

18.8 实验与分析 183

参考文献 186

返回顶部