仿生智能计算PDF电子书下载

第1章 绪论 1

1.1 引言 1

1.2 最优化、NP-hard问题及算法复杂度 2

1.2.1 最优化问题 2

1.2.2 NP-hard问题 2

1.2.3 算法复杂度 5

1.3 仿生智能计算方法 7

1.4 仿生智能计算方法的共同点 15

1.5 本书体系结构 16

1.6 本章小结 17

参考文献 17

第2章 数学基础 19

2.1 引言 19

2.2 Markov链理论 19

2.2.1 定义及其等价性质 19

2.2.2 齐次Markov链及状态类 21

2.2.3 Markov链的极限分布 26

2.3 鞅与鞅列 30

2.4 模式定理 30

2.4.1 模式 31

2.4.2 模式定理的证明 31

2.5 本章小结 34

参考文献 34

第3章 蚁群算法 36

3.1 引言 36

3.2 起源和进展 36

3.2.1 蚁群行为描述 36

3.2.2 蚁群优化的机制原理 37

3.2.3 研究进展 38

3.3 系统学特征 40

3.4 数学模型 43

3.4.1 TSP 43

3.4.2 算法流程 45

3.5 理论分析 48

3.5.1 ACOgb,τmin算法收敛性证明 48

3.5.2 复杂度分析 53

3.6 应用实例 55

3.7 本章小结 61

参考文献 61

第4章 微粒群算法 63

4.1 引言 63

4.2 起源和进展 63

4.3 基本原理 67

4.3.1 基本思想 67

4.3.2 算法流程 68

4.3.3 社会行为分析 69

4.4 数学模型 70

4.4.1 全局模型与局部模型 70

4.4.2 标准的算法模型 71

4.4.3 引入收缩因子的算法模型 72

4.4.4 邻域结构 72

4.5 理论分析 74

4.6 应用实例 77

4.6.1 图像匹配 77

4.6.2 控制参数整定 79

4.7 本章小结 85

参考文献 85

第5章 人工蜂群算法 88

5.1 引言 88

5.2 起源和进展 88

5.3 基本原理 90

5.4 数学模型 93

5.5 理论分析 94

5.6 应用实例 95

5.6.1 函数极值优化 96

5.6.2 目标识别 98

5.7 本章小结 104

参考文献 104

第6章 微分进化算法 107

6.1 引言 107

6.2 起源和进展 107

6.3 原理与模型 108

6.3.1 数学模型 108

6.3.2 参数设置 110

6.3.3 算法流程 111

6.3.4 算法扩展模式 113

6.4 理论分析 115

6.4.1 Markov链模型 115

6.4.2 收敛性分析 116

6.5 应用实例 117

6.5.1 TSP问题 118

6.5.2 无人机航路规划 121

6.6 本章小结 126

参考文献 127

第7章 Memetic算法 130

7.1 引言 130

7.2 起源和进展 130

7.3 基本原理 132

7.3.1 meme理论 132

7.3.2 算法流程 134

7.3.3 结构分析 136

7.3.4 主要特点 137

7.4 理论分析 138

7.4.1 局部搜索上限问题讨论 138

7.4.2 收敛性分析 140

7.5 应用实例 142

7.5.1 移动机器人路径规划 142

7.5.2 高维函数优化 146

7.6 本章小结 147

参考文献 148

第8章 文化算法 150

8.1 引言 150

8.2 起源与进展 150

8.3 基本原理 152

8.4 数学模型 155

8.4.1 种群空间 155

8.4.2 信度空间 155

8.4.3 接受函数 159

8.4.4 影响函数 161

8.5 应用实例 162

8.6 本章小结 164

参考文献 165

第9章 人工免疫算法 168

9.1 引言 168

9.2 起源和进展 168

9.3 生物免疫系统 171

9.3.1 基本概念 171

9.3.2 组成和功能 172

9.3.3 基本原理 172

9.3.4 计算能力 174

9.4 原理与模型 175

9.4.1 算法原理 175

9.4.2 主要算子 176

9.4.3 算法流程 178

9.5 理论分析 179

9.6 应用实例 182

9.6.1 基于免疫进化的TSP问题 182

9.6.2 基于克隆选择的函数优化 185

9.7 本章小结 187

参考文献 188

第10章 DNA计算 190

10.1 引言 190

10.2 起源和进展 190

10.2.1 DNA基本结构 190

10.2.2 相关生物酶 192

10.2.3 DNA分子的基本操作 193

10.2.4 研究进展 195

10.3 基本原理 195

10.3.1 基本流程 195

10.3.2 实现方式 197

10.3.3 优点 198

10.4 数学模型 198

10.4.1 剪接系统模型 198

10.4.2 粘贴系统模型 199

10.4.3 插入-删除系统模型 200

10.4.4 强迫-禁止系统模型 201

10.5 理论分析 202

10.5.1 禁止集和强迫集的性质 202

10.5.2 有限性条件 203

10.5.3 强迫-禁止系统 203

10.6 应用实例 204

10.6.1 Adleman试管实验 204

10.6.2 Adleman实验的计算机模拟 206

10.7 本章小结 207

参考文献 207

第11章 仿生硬件 209

11.1 引言 209

11.2 定义与分类 209

11.3 起源与进展 210

11.4 基本原理 211

11.5 蚁群算法硬件实现 212

11.5.1 FPGA基本结构 212

11.5.2 将蚁群算法映射到FPGA的难点 213

11.5.3 P-ACO算法 214

11.5.4 P-ACO算法在PFGA上的实现 215

11.5.5 实验结果 221

11.6 微粒群算法硬件实现 224

11.6.1 量子微粒群算法模型 224

11.6.2 QPSO算法系统硬件结构设计 224

11.6.3 QPSO硬件子群系统结构 225

11.6.4 具体功能模块设计 226

11.7 本章小结 228

参考文献 228

第12章 研究前沿与展望 230

12.1 引言 230

12.2 哲学定理 230

12.3 模型改进 232

12.4 理论分析 234

12.5 应用领域 235

12.6 仿生硬件与产业化 235

12.7 本章小结 236

参考文献 237

附录A 蚁群算法源程序 238

附录B 微粒群算法源程序 248

附录C 人工蜂群算法源程序 252

附录D 微分进化算法源程序 257

附录E Memetic算法源程序 263

附录F 文化算法源程序 266

附录G 人工免疫算法源程序 272

附录H DNA计算源程序 277

附录I 相关网站资源 281