蚁群优化PDF电子书下载

1 从真实蚂蚁到人工蚂蚁 1

1.1 蚂蚁的觅食行为及其优化过程 2

1.1.1 双桥实验 2

1.1.2 随机模型 6

1.2 向人工蚂蚁转换 7

1.3 人工蚂蚁和最小成本路径 10

1.3.1 S-ACO 12

1.3.2 有关S-ACO的实验 15

1.5 需要牢记的知识点 21

1.4 书目评注 21

1.6 思考与计算习题 22

2 蚁群优化元启发式算法 24

2.1 组合优化 25

2.1.1 计算复杂度 26

2.1.2 NP-难问题的解决方法 28

2.1.3 什么是元启发式算法 32

2.2 ACO元启发式算法 33

2.2.1 问题描述 33

2.2.2 蚂蚁的行为 35

2.2.3 元启发式算法 36

2.3 如何应用ACO 39

2.3.1 旅行商问题 40

2.3.2 顺序排列问题 41

2.3.3 广义分配问题 41

2.3.4 多重背包问题 43

2.3.5 网络路由问题 44

2.3.6 动态旅行商问题 45

2.4 其他元启发式算法 45

2.4.1 模拟退火 47

2.4.2 禁忌搜索 48

2.4.3 导向性局部搜索 50

2.4.4 迭代局部搜索 52

2.4.5 贪婪随机自适应搜索过程 53

2.4.6 进化计算 54

2.4.7 分散搜索 56

2.5 书目评注 58

2.6 需要牢记的知识点 60

2.7 思考与计算习题 61

3 旅行商问题中的蚁群优化算法 63

3.1 旅行商问题 64

3.2 TSP中的ACO算法 65

3.3 蚂蚁系统及其直接后续算法 68

3.3.1 蚂蚁系统 68

3.3.2 精华蚂蚁系统 71

3.3.3 基于排列的蚂蚁系统 72

3.3.4 最大最小蚂蚁系统 73

3.4 蚂蚁系统的扩展 75

3.4.1 蚁群系统 75

3.4.2 近似非确定性树搜索 78

3.4.3 ACO的超立方体框架 79

3.5 并行执行 81

3.6 实验测评 82

3.6.1 ACO算法的行为 83

3.6.2 蚂蚁系统与它的扩展算法的比较 89

3.7 添加局部搜索的ACO 90

3.7.1 如何在ACO算法中加入局部搜索 91

3.8 ACO算法的实现 98

3.8.1 数据结构 98

3.8.2 算法 102

3.8.3 实现其他ACO算法时的修改 109

3.9 书目评注 111

3.10 需要牢记的知识点 114

3.11 思考与计算习题 115

4 蚁群优化理论 117

4.1 ACO的理论思考 118

4.2 问题和算法 119

4.3 收敛性证明 123

4.3.1 值收敛 124

4.3.2 解收敛 126

4.3.3 ACO算法的附加特性 129

4.3.4 证明实际上说明了什么问题 130

4.3.5 一些ACO算法的收敛性 131

4.4 ACO与基于模型的搜索 133

4.4.1 基于模型的搜索 133

4.4.2 MBS框架中的SGA和CE 135

4.4.3 ACO,SGA和CE 139

4.5 书目评注 143

4.6 需要牢记的知识点 144

4.7 思考与计算习题 145

5 NP-难问题的蚁群优化 146

5.1.1 顺序排列 147

5.1 路由问题 147

5.1.2 车辆路由 149

5.2 分配问题 153

5.2.1 二次分配 154

5.2.2 广义分配问题 157

5.2.3 频率分配 159

5.2.4 其他针对分配问题的ACO应用 160

5.3 调度问题 161

5.3.1 单机器总权重延迟调度 162

5.3.2 工序车间、开放车间和组车间调度 166

5.3.3 资源约束项目调度 171

5.3.4 其他针对调度问题的ACO应用 174

5.4 子集问题 175

5.4.1 集合覆盖 175

5.4.2 带权约束的图树分割问题 177

5.4.3 边带权l-基树问题 179

5.4.4 针对其他子集问题的ACO应用 181

5.5 对其他NP-难问题的ACO应用 183

5.5.1 最短公共超序列问题 183

5.5.2 箱子包装 187

5.5.3 2D-HP蛋白质折叠 190

5.5.4 带约束满足 193

5.6 机器学习问题 196

5.6.1 分类规则的学习 197

5.6.2 贝叶斯网络结构的学习 200

5.6.3 其他针对机器学习问题的ACO应用 202

5.7 ACO的使用原则 202

5.7.1 构建图 203

5.7.2 信息素的定义 204

5.7.3 探索与开发的平衡 205

5.7.4 启发式信息 206

5.7.5 ACO算法和局部搜索 207

5.7.6 蚂蚁的数目 208

5.7.7 候选列表 209

5.7.8 使用ACO算法求解问题的步骤 209

5.8 书目评注 210

5.9 需要牢记的知识点 212

5.10 思考与计算习题 213

6 AntNet：数据网络路由中的ACO算法 215

6.1.1 路由算法的广义分类 216

6.1 路由问题 216

6.1.2 通信网络模型 218

6.2 AntNet算法 220

6.2.1 AntNet：数据结构 221

6.2.2 AntNet：算法 222

6.2.3 如何评价一个蚂蚁旅程的优劣 228

6.3 实验设置 229

6.3.1 网络的拓扑结构和物理特性 229

6.3.2 流量模式 230

6.3.4 具有竞争力的路由算法及其参数 232

6.3.3 性能评价的标准 232

6.4 实验结果 234

6.4.1 NSFnet 235

6.4.2 NTTnet 238

6.4.3 路由开销 240

6.5 AntNet与媒介质 242

6.6 AntNet、蒙特卡罗仿真和强化学习 244

6.6.1 AntNet作为带有偏向探索的蒙特卡罗在线系统 244

6.6.2 AntNet与强化学习 245

6.7 书目评注 246

6.8 需要牢记的知识点 248

6.9 思考与计算习题 248

7 总结与对未来的展望 250

7.1 我们对ACO了解多少 250

7.1.1 理论发展 251

7.1.2 实验结果和实际应用 252

7.2 ACO当前的发展趋势 253

7.2.1 动态优化问题 253

7.2.2 随机优化问题 255

7.2.3 多目标优化问题 256

7.2.4 并行化 257

7.2.5 对ACO工作行为的理解 258

7.3 蚂蚁算法 259

7.3.1 受觅食行为和标记路径行为启发的其他模式 260

7.3.2 受孵化分类启发的模型 261

7.3.3 受劳动分工启发的模型 262

7.3.4 协作运输启发的模型 263

附录 有关ACO领域的信息来源 264

参考文献 266

索引 290