智能优化算法及其应用PDF电子书下载

第1章 绪论 1

1.1 最优化问题及其分类 1

1.1.1 函数优化问题 1

1.1.2 组合优化问题 10

1.2 优化算法及其分类 12

1.3 邻域函数与局部搜索 13

1.4 计算复杂性与NP完全问题 14

1.4.1 计算复杂性的基本概念 14

1.4.2 P，NP，NP-C和NP-hard 14

第2章 模拟退火算法 17

2.1 模拟退火算法 17

2.1.1 物理退火过程和Metropolis准则 17

2.1.2 组合优化与物理退火的相似性 18

2.1.3 模拟退火算法的基本思想和步骤 19

2.2 模拟退火算法的马氏链描述 20

2.3.1 时齐算法的收敛性 21

2.3 模拟退火算法的收敛性 21

2.3.2 非时齐算法的收敛性 26

2.3.3 SA算法渐进性能的逼近 26

2.4 模拟退火算法关键参数和操作的设计 27

2.5 模拟退火算法的改进 29

2.6 并行模拟退火算法 31

2.7 算法实现与应用 32

2.7.1 组合优化问题的求解 32

2.7.2 函数优化问题的求解 33

第3章 遗传算法 36

3.1 遗传算法的基本流程 36

3.2 模式定理和隐含并行性 38

3.3 遗传算法的马氏链描述及其收敛性 40

3.3.1 预备知识 40

3.3.2 标准遗传算法的马氏链描述 41

3.3.3 标准遗传算法的收敛性 42

3.4 一般可测状态空间上遗传算法的收敛性 44

3.4.2 算法及其马氏链描述 45

3.4.3 收敛性分析和收敛速度估计 45

3.4.1 问题描述 45

3.5 算法关键参数与操作的设计 47

3.6 遗传算法的改进 50

3.7 免疫遗传算法 51

3.7.1 引言 51

3.7.2 免疫遗传算法及其收敛性 52

3.7.3 免疫算子的机理与构造 54

3.7.4 TSP问题的免疫遗传算法 56

3.8 并行遗传算法 58

3.9 算法实现与应用 59

第4章 禁忌搜索算法 62

4.1 禁忌搜索 62

4.1.1 引言 62

4.1.2 禁忌搜索示例 63

4.1.3 禁忌搜索算法流程 67

4.2 禁忌搜索的收敛性 68

4.3 禁忌搜索的关键参数和操作 70

4.4 并行禁忌搜索算法 75

4.5.1 基于禁忌搜索的组合优化 77

4.5 禁忌搜索的实现与应用 77

4.5.2 基于禁忌搜索的函数优化 78

第5章 神经网络与神经网络优化算法 83

5.1 神经网络简介 83

5.1.1 神经网络发展回顾 83

5.1.2 神经网络的模型 84

5.2 基于Hopfield反馈网络的优化策略 89

5.2.1 基于Hopfield模型优化的一般流程 89

5.2.3 基于Hopfield模型优化的改进研究 90

5.2.2 基于Hopfield模型优化的缺陷 90

5.3 动态反馈神经网络的稳定性研究 94

5.3.1 动态反馈网络的稳定性分析 94

5.3.1.1 离散对称动态反馈网络的渐近稳定性分析 95

5.3.1.2 非对称动态反馈网络的全局渐近稳定性分析 99

5.3.1.3 时延动态反馈网络的全局渐近稳定性分析 101

5.3.2 动态反馈神经网络的收敛域估计 103

5.4 基于混沌动态的优化研究概述 105

5.4.1 基于混沌神经网络的组合优化概述 106

5.4.2 基于混沌序列的函数优化研究概述 108

5.4.3 混沌优化的发展性研究 109

5.5 一类基于混沌神经网络的优化策略 110

5.5.1 ACNN模型的描述 110

5.5.2 ACNN模型的优化机制 111

5.5.3 计算机仿真研究与分析 112

5.5.4 模型参数对算法性能影响的几点结论 116

第6章 广义邻域搜索算法及其统一结构 118

6.1 广义邻域搜索算法 118

6.2 广义领域搜索算法的要素 119

6.3 广义邻域搜索算法的统一结构 120

6.4 优化算法的性能评价指标 123

6.5 广义邻域搜索算法研究进展 125

6.5.1 理论研究概述 125

6.5.2 应用研究概述 128

6.5.3 发展性研究 129

第7章 混合优化策略 130

7.1 引言 130

7.2 基于统一结构设计混合优化策略的关键问题 131

7.3.1 GASA混合优化策略的构造出发点 132

7.3 一类GASA混合优化策略 132

7.3.2 GASA混合优化策略的流程和特点 133

7.3.3 GASA混合优化策略的马氏链描述 135

7.3.4 GASA混合优化策略的收敛性 136

7.3.5 GASA混合优化策略的效率定性分析 141

8.1 基于模拟退火-单纯形算法的函数优化 143

8.1.1 单纯形算法简介 143

第8章 混合优化策略的应用 143

8.1.2 SMSA混合优化策略 144

8.1.3 算法操作与参数设计 145

8.1.4 数值仿真与分析 146

8.2 基于混合策略的控制器参数整定和模型参数估计研究 149

8.2.1 引言 149

8.2.2 模型参数估计和PID参数整定 149

8.2.3 混合策略的操作与参数设计 150

8.2.4 数值仿真与分析 151

8.3.1 TSP的混合优化策略设计 154

8.3 基于混合策略的TSP优化研究 154

8.3.2 基于典型算例的仿真研究 156

8.3.3 对TSP的进一步讨论 158

8.4 基于混合策略的加工调度研究 159

8.4.1 基于混合策略的Job-shop优化研究 159

8.4.1.1 引言 159

8.4.1.2 JSP的析取图描述和编码 161

8.4.1.3 JSP的混合优化策略设计 163

8.4.1.4 基于典型算例的仿真研究 166

8.4.2.1 混合优化策略 170

8.4.2 基于混合策略的置换Flow-shop优化研究 170

8.4.2.2 算法操作与参数设计 172

8.4.2.3 数值仿真与分析 172

8.4.3 基于混合策略的一类批量可变流水线调度问题的优化研究 174

8.4.3.1 问题描述及其性质 174

8.4.3.2 混合优化策略的设计 175

8.4.3.3 仿真结果和分析 177

8.5 基于混合策略的神经网络权值学习研究 177

8.5.2 GASA混合学习策略 178

8.5.1 BPSA混合学习策略 178

8.5.3 GATS混合学习策略 179

8.5.4 编码和优化操作设计 180

8.5.5 仿真结果与分析 180

8.6 基于混合策略的神经网络结构学习研究 184

8.6.1 RBF网络简介 184

8.6.2 RBF网络结构优化的编码和操作设计 184

8.6.3 RBF网络结构的混合优化策略 186

8.6.4 计算机仿真与分析 187

8.7.1 引言 189

8.7 基于混合策略的光学仪器设计研究 189

8.7.2 模型设计 190

8.7.3 仿真研究和设计结果 191

附录 Benchmark问题 193

A：TSP Benchmark问题 193

B：置换Flow-shop Benchmark问题 195

C：Job-shop Benchmark问题 211

参考文献 217